NVIDIA 开源语音模型 Nemotron 3.5 Transcribe:40 语种转写+说话人分离
kimmonismus · x · 2026-10-29
NVIDIA 发布开源语音模型 Nemotron 3.5 Transcribe,可对最长一小时的录音做转写、说话人标注、翻译并回答音频相关问题。
- 40 种语言转写,英语与 31 种语言互译
- 最多支持 8 个说话人,13 种语言的说话人标签
- 可指定人名/术语引导转写,音频问答训练语言为英语
- 约 30B 参数、每 token 激活约 4B,可在 NVIDIA GPU 上本地运行
- Hugging Face 英文 Open ASR 榜开源权重第一,并在 VoiceArena 14 系统说话人转写测试中领先
面向已录制音频设计,实时流式转写需用另一款模型。
所属事件:NVIDIA 开源 Nemotron 3.5 Transcribe 语音模型(14 条相关)→
「模型」频道最新
- 用户反映 ChatGPT Computer history 数周不记录，疑似失效 — RileyRalmuto · 2026-10-29
- You.com 拆解 Nemotron 3.5 Lightning：Agentic 搜索失败是行为问题 — RichardSocher · 2026-10-29
- How I AI 个人 Agent 横评：Grok 93% 夺冠，Claude Duet 79% 垫底 — lennysan · 2026-10-29
- DeepMind 又先官宣后开放,用户吐槽等 Gemini Xenon — adonis_singh · 2026-10-29
- Alphabet Q3 财报电话会要点：新前沿模型 Gemini Carbon 与 AI Mode 广告扩张 — lilyraynyc · 2026-10-29
- gpt-6.1-terra 连跑 4 小时浏览器操作,每秒约一次动作 — prd_008 · 2026-10-29