英伟达发布开源语音模型Nemotron 3.5 Transcribe

英伟达发布免费开源权重的语音转写模型 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；模型参数量 30B，可处理最长一小时的录音、区分最多 8 名说话人，可运行在 Jetson AGX Thor、DGX Spark 及 Blackwell 数据中心芯片上。英伟达同时发布了开源语音数据集 Granary 第 2 版。 据 The Decoder 报道，该模型可接受文本指令，在单个模型中完成转写、翻译和说话人识别，并能就录音内容回答问题；英伟达称其在多项基准测试中领先。英伟达表示，音频问答功能仅以英语训练，各语言支持的功能不同，模型只会使用录音中实际出现的信息，并建议用户抽查人名、说话人切换和回答。 该模型只处理录音文件，不支持直播音频。

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。