NVIDIA 开源 Nemotron 3.5 语音转录模型
先了解这件事
NVIDIA 于 10 月 28 日在 Hugging Face 与 ModelScope 开源了 Nemotron 3.5 Transcribe 模型及 Granary v2 数据集。该模型旨在通过单一权重整合多语言语音转录、说话人归属及音频问答功能，支持处理最长 1 小时的录音。 新报道补充了具体参数细节：模型参数量为 30B，支持转写 40 种语言的音频，并能区分多达 8 个说话者。其部署灵活性较高，可运行于 Jetson AGX Thor、DGX Spark 或 Blackwell 数据中心芯片等单芯片设备上。 使用限制方面，该模型仅适用于预录音频，不支持实时流媒体处理。用户需依据各语料库原始许可单独下载源音频。若不自托管，可选择 Baseten、DeepInfra 或 Simplismart 提供的托管端点服务，无需额外支付费用。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- The DecoderNvidia 发布开源 Nemotron 3.5 Transcribe 语音识别模型
Nvidia 发布开源语音识别模型 Nemotron 3.5 Transcribe，可处理 40 种语言的转录、31 种语言的英译/英返、13 种语言的说话人识别，最长支持 1 小时录音和 8 个说话人。
- TechCrunch · AINvidia 发布开源转录模型 Nemotron 3.5 及数据集 Granary 2
Nvidia 发布了免费开放权重的转录模型 Nemotron 3.5，能够转写 40 种语言的音频，处理长达 1 小时的录音，并区分多达 8 个说话者。该模型参数量为 30B，可部署在 Jetson AGX Thor、DGX Spark 或 Blackwell 数据中心芯片等单芯片上，但仅支持预录音频，不支持实时流处理。Nvidia 同时发布了开源语音数据集 Granary 2。
- Hugging Face Blog精选NVIDIA 开源 Nemotron 3.5 Transcribe 与 Granary v2，支持提示词驱动的多语言语音转录与微调
NVIDIA 在 Hugging Face 与 ModelScope 开源 Nemotron 3.5 Transcribe 模型及 Granary v2 数据处理管线，将多语言语音转录、说话人归属与音频问答功能整合在同一权重中。
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。