NVIDIA 开源 Nemotron 3.5 Transcribe：30B MoE 语音转写模型，支持 40 种语言
AccBalanced · x · 2026-10-31
NVIDIA 发布 Nemotron 3.5 Transcribe，一个开放权重的可提示语音转写模型：30B MoE 架构、约 4B 激活参数。
- 支持 40 种语言转写，可处理最长 1 小时的录音
- 单一 checkpoint 集成说话人分离标注、翻译、上下文提示与音频理解（音频问答）
- 权重提供 BF16、FP8 和 NVFP4 三种精度
- vLLM 与 NeMo Speech 实现 day-0 支持
「多模态」频道最新
- 角色设定图+FastH3+ComfyUI 工作流,生成 10 秒一致性动画短剧 — Time-Ad-7720 · 2026-10-31
- 为游戏 3D 动画寻找双视角同步视频模型:Flow、Wan 2.2 均不达标 — Flying_Scorpion · 2026-10-31
- OpenAI 暴露度数据显示模特不受影响，AI 模特经纪公司却已开业 — WillRinehart · 2026-10-31
- Cartesia 发布企业级 Managed Agents，学生用它用卡纳达语砍价成功 — HeyAmit_ · 2026-10-31
- 把 Ming-TTS 移植到 Zig/MLX,M4/M5 上推理提速 18 倍 — s_busso · 2026-10-31
- 网友晒 AI 生成视频:不说是 AI 根本看不出来 — Effective_Regular770 · 2026-10-31