NVIDIA 发布 Nemotron 3.5 Transcribe:支持 40 语言的开源语音识别模型
realmrfakename · x · 2026-10-28
NVIDIA 发布迄今最强语音模型 Nemotron 3.5 Transcribe,完全开源(权重、代码、训练配方、agentic skills、Granary-v2 数据集)。
- 由 Nemotron 3.5 Lightning 驱动的 SpeechLLM 架构,离线运行;
- 支持 40 种语言、最多 8 说话人转写;
- 可引导、可提示、带上下文的转写,每个词和说话人都有时间戳;
- 在 Blackwell GPU 上用 NVFP4 + DFlash2 达到超 2000 RTFx;
- 在 Open ASR 排行榜列开源模型第一,AA-WER 并列第一,David AI 多说话人 ASR 开源第一。