英伟达开源 Nemotron 3.5 语音转写模型

英伟达发布 Nemotron 3.5 Transcribe，一款免费、开放权重的语音转写模型，已在 Hugging Face 和 ModelScope 上线，同步发布 Granary 第 2 版语音数据集及微调配方。该模型可转写最多 40 种语言的录音，能运行在单颗芯片上；英伟达称其在多项基准测试中领先，The Decoder 报道称它把转写、翻译和说话人识别整合在同一模型中，并可按文本指令执行任务。 限制是它只处理已录制的音频，不支持实时流式转写；The Decoder 称各语言支持的功能不同，音频问答功能以英语训练。数据集中的源音频需按各语料原始许可单独下载。若不想自行部署，可使用 Baseten、DeepInfra 或 Simplismart 的托管接口。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。