11.3 小时 Nixon 录音 3 分钟转写完:Nemotron 3.5 Transcribe 实测仅花 $0.30
vanstriendaniel · x · 2026-11-06
开发者 Daniel van Strien 实测 NVIDIA 的 Nemotron 3.5 Transcribe 语音转写模型,在单张 RTX PRO 6000 上用 vLLM 部署,把 11.3 小时的 1971 年 Nixon 录音带转写完毕只用了不到 3 分钟,整个 Job 含环境搭建成本约 $0.30。
- 精度对比:NVFP4 用时 2.1 分钟(322x 实时),FP8 3.0 分钟(222x),BF16 5.0 分钟(135x);NVIDIA 模型卡标注 NVFP4 相比 BF16 错误率仅高约 3.6%
- 批量任务方案:在 Hugging Face Jobs 里跑 vLLM,并用自研工具 saturate 自动调节并发;79.7 小时音频的转写跑批只花了不到 10 分钟
- 完整 recipe 以 uv-script 形式开源在 Hugging Face,一条命令即可运行,输出支持带说话人标签的 txt、词级时间戳 JSON、srt 和 parquet
所属事件:Nemotron 3.5 转写实测：11小时录音3分钟完成仅花0.3美元(2 条相关)→
「Infra」频道最新
- 数百抗议者闯入 Microsoft 阿姆斯特丹数据中心工地 — Polymarket · 2026-11-06
- 密歇根大学研究：生成式 AI 处理非英文文本能耗最高达英文 180 倍 — radamihalcea · 2026-11-06
- 百度开源 ERNIE-5.5-Flash-Base：280B MoE 仅激活 14B，上下文达 1M — kimmonismus · 2026-11-06
- 数据中心邻避难题的解法：学卡夫给邻居送冰淇淋 — BecauseCulture · 2026-11-06
- 二手 AMD MI100 实测：3D 打印风罩 2400 转压住 300W — Much-Farmer-2752 · 2026-11-06
- Intel 三个月暴跌 46%,分析师列看多论据:18A 成本降 40%、数据中心超预期 — tengyanAI · 2026-11-06