NVIDIA发布开源语音模型Nemotron 3.5 Transcribe
先了解这件事
NVIDIA 发布开放权重语音模型 Nemotron 3.5 Transcribe，把转写、说话人分离、翻译和音频问答合入同一 checkpoint，并同步推出开源语音数据集 Granary v2。模型已在 Hugging Face 和 ModelScope 上线，可免费获取。 据 NVIDIA 介绍，该模型支持 40 种语言转写、31 种语言与英语互译、13 种语言说话人分离，可处理最长 1 小时录音并标注最多 8 位说话人；它面向录制音频而非实时流，可在单张 NVIDIA GPU 上运行，覆盖 DGX Spark 至 Blackwell 数据中心系统。若不自托管，可使用 Baseten、DeepInfra 或 Simplismart 的托管端点。NVIDIA 称其在 Hugging Face Open ASR Leaderboard 等基准上优于竞品。 The Decoder 报道称，该模型各语言支持的功能不同，音频问答功能仅以英语训练；NVIDIA 表示 Granary v2 数据集与模型训练数据并不完全一致。
AI 根据报道生成 · 15 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，整合转写、翻译与说话人识别
Nvidia 发布开源语音识别模型 Nemotron 3.5 Transcribe，支持 40 种语言转写、31 种语言与英语互译，并能在 13 种语言中识别说话人。
- 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，并支持 31 种语言与英语互译。该模型可处理最长一小时的录音、区分最多 8 位说话人，官方称其在 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 与 Granary v2 数据管线
NVIDIA 发布开放权重模型 Nemotron 3.5 Transcribe，把转写、说话人分离、翻译和音频问答合入同一 checkpoint，支持 40 种语言转写、31 种语言与英语互译、13 种语言说话人分离，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。