英伟达发布开源语音模型 Nemotron 3.5 Transcribe
先了解这件事
2026年10月28日，英伟达发布免费开源权重的语音转写模型 Nemotron 3.5 Transcribe。据 TechCrunch 报道，该模型可转写最多40种语言的音频，支持31种语言与英语互译，参数规模30B，可处理最长1小时录音并区分最多8位说话人；英伟达称其在 Hugging Face Open ASR Leaderboard 等基准上优于竞品。同日 Hugging Face 博客（一手）报道称，该模型将转写、说话人分离、翻译和音频问答整合进同一 checkpoint，支持40种语言转写、31种语言与英语互译、13种语言的说话人标注，可处理最长1小时录音并标注最多8位说话人。早先报道称模型区分最多8位说话人，后续一手报道进一步称说话人标注覆盖13种语言。The Decoder 同日报道同样称模型可识别13种语言中的说话人。目前模型已发布并公开权重。
AI 根据报道生成 · 29 分钟前更新
报道时间线
沿着报道，了解事件的不同侧面。
- The DecoderNvidia 发布开源语音模型 Nemotron 3.5 Transcribe，支持转写、翻译与说话人识别
Nvidia 发布开源语音识别模型 Nemotron 3.5 Transcribe，可转写 40 种语言、将其中 31 种与英语互译，并识别 13 种语言中的说话人。
- TechCrunch · AI英伟达发布开源语音转写模型 Nemotron 3.5 Transcribe
英伟达发布免费开源权重模型 Nemotron 3.5 Transcribe，可转写最多 40 种语言的音频，并支持 31 种语言与英语互译。该模型参数规模为 30B，可处理最长 1 小时的录音、区分最多 8 位说话人，英伟达称其在 Hugging Face Open ASR Leaderboard 等基准上优于竞品。
- Hugging Face Blog精选NVIDIA 发布 Nemotron 3.5 Transcribe 开源语音模型与 Granary v2 数据管线
NVIDIA 发布开源权重模型 Nemotron 3.5 Transcribe，将转写、说话人分离、翻译和音频问答整合进同一 checkpoint，支持 40 种语言转写、31 种语言与英语互译、13 种语言的说话人标注，可处理最长 1 小时录音并标注最多 8 位说话人。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。