NVIDIA 开源 300 亿参数语音模型 Nemotron 3.5 Transcribe,支持 40 语言
dl_weekly · x · 2026-11-08
NVIDIA 发布开放权重的语音转写模型 Nemotron 3.5 Transcribe,并同步更新开源语音数据集 Granary 至 v2。
- 300 亿参数,支持 40 种转写语言、31 组与英语互译的语言对
- 可处理长达一小时录音,区分最多 8 个说话人
- 官方称在 Hugging Face Open ASR Leaderboard 等基准上超越竞品
- 可在单芯片上运行,包括 Jetson AGX Thor 机器人控制器和 DGX
- 定位会议转写、医疗转写等场景,开发者可用 NeMo Speech 等工具定制行业术语识别
限制:仅支持已录制音频,不支持直播流式转写。
「Infra」频道最新
- 研究称数据中心对居民电价影响有限,此前指责或被夸大 — AccBalanced · 2026-11-08
- 5 万美元级礼物算什么：极客晒出 500 万美元 exabox 算力愿望清单 — gnukeith · 2026-11-08
- Dynatrace 9.15 亿美元完成收购 Arize，1100+ 客户跑其 Agent — shashib · 2026-11-08
- Colossus II 一年扩至 1.7GW,年底瞄准 120 万块 Blackwell GPU — XFreeze · 2026-11-08
- Polymarket 押注：年内任一州通过数据中心禁建令概率 27% — Polymarket · 2026-11-08
- Polymarket 快讯：传 Anthropic 以 34 亿美元收购燃气发电机 — Polymarket · 2026-11-08