HaiAI123

全球AI工具精选导航

新行业动态
577
热度指数
新上榜

英伟达开源 Nemotron 3.5 Transcribe 转写模型

2026/10/28 — 10/29 00:18·6 个来源（全部）·6 篇报道（全部）

核心速览 (Key Takeaways)

  • 英伟达发布开源权重模型 Nemotron 3.5 Transcribe，将语音检测、转写、说话人标注、翻译和音频问答整合到单次推理中。
  • 该模型为 30B 参数的 MoE 架构、激活 4B，支持 40 种语言转录、31 种语言与英语互译、最多 8 个说话人，可在单张 NVIDIA GPU 运行；
  • 它只处理录音，不支持实时音频。

事件背景与详细解读

2026 年 10 月 28 日，NVIDIA 发布开源权重语音模型 Nemotron 3.5 Transcribe，并在 Hugging Face 和 ModelScope 上线。据 Hugging Face Blog 介绍，该模型在一个 checkpoint 中整合了转录、说话人分离、翻译与音频问答，可转录 40 种语言，支持其中 31 种语言与英语互译，在 13 种语言上做说话人标注，单条录音最长 1 小时、最多标注 8 名说话人，可在单张 NVIDIA GPU 运行，官方称其在 Hugging Face Open ASR 英语榜居开源模型首位。TechCrunch 与 SiliconANGLE 的跟进报道补充了更多细节。

TechCrunch 称该模型免费，但只处理录音、不支持实时音频，并同步发布了开源语音数据集 Granary 的第 2 版；SiliconANGLE 称该模型将语音检测、转写、说话人标注与针对音频的问答合并到单次推理中，支持最多 8 个说话人，并称其可处理 100 小时音频，同时开放了用于微调的数据管线。SiliconANGLE 给出的这个时长与 Hugging Face Blog 所述的最长 1 小时不一致，材料未能核实。在具体规格上，Artificial Analysis 测评称 Nemotron 3.5 Transcribe 面向非流式转写，总参数 30B、激活参数 4B，词错率为 2.8%，在开源权重语音转文字模型中并列第一；The Decoder 则报道称，该模型以文本提示接收指令，活跃参数仅为最强开源竞品的六分之一，并称其领跑多项基准，同时放出超过 80 万小时语音数据集与微调工具。

目前材料到 10 月 28 日当天为止，之后未见新的进展报道。

AI 综合 6 篇报道生成 · 更新于 20 分钟前

最新进展据 The Decoder 报道，英伟达发布开源语音识别模型 Nemotron 3.5 Transcribe，支持转写、说话人识别和翻译，并以文本提示接收指令。报道称其领跑多项基准，活跃参数仅为最强开源竞品的六分之一，同时放出超过 80 万小时语音数据集与微调工具。

updream广告
24 小时热度热度指数 577
刚上榜，走势正在积累
24 小时前现在

这件事的报道 点标题看原文

昨天
  1. 英伟达开源 Nemotron 3.5 Transcribe，集转写、翻译与说话人识别于一体

    据 The Decoder 报道，英伟达发布开源语音识别模型 Nemotron 3.5 Transcribe，支持转写、说话人识别和翻译，并以文本提示接收指令。报道称其领跑多项基准，活跃参数仅为最强开源竞品的六分之一，同时放出超过 80 万小时语音数据集与微调工具。

    开源语音模型又多一个可自托管的高性价比选项。

    The DecoderAI 评分 56
  2. Nvidia 发布 Nemotron 3.5 Transcribe 开源语音模型

    据 SiliconANGLE 报道，Nvidia 发布开放权重模型 Nemotron 3.5 Transcribe，面向多语言音频转写与翻译，被描述为一款在榜单上领先的开放模型。同时发布的还有开源语音数据集 Granary v2。

    多语言语音转写多了一个可自部署的开源权重选项

    TechmemeAI 评分 59
  3. NVIDIA 开源 Nemotron 3.5 Transcribe，4B 激活参数

    NVIDIA 发布开源权重语音转写模型 Nemotron 3.5 Transcribe，面向非流式转写，总参数 30B、激活参数 4B。据 Artificial Analysis 测评，其词错率为 2.8%，在开源权重语音转文字模型中并列第一。

    小激活参数的开源转写模型，可评估替换现有方案

    X：Artificial Analysis (@artificialanlys)官方AI 评分 45
  4. 英伟达发布 Nemotron 3.5 Transcribe 开源转写模型

    据 SiliconANGLE 报道，英伟达发布开源权重模型 Nemotron 3.5 Transcribe，把语音检测、转写、说话人标注和针对音频的问答合并到单次推理中，支持 40 种语言、最多 8 个说话人，可处理 100 小时音频。该模型为 30B 参数的 MoE 架构、激活 4B，可跑在较小硬件上，英伟达同时开放了用于微调的数据管线。

    开源语音模型选型多了一个强候选

    SiliconANGLEAI 评分 65
  5. 英伟达发布 Nemotron 3.5 转写模型，仅支持录音

    据 TechCrunch 报道，英伟达发布免费的开源权重模型 Nemotron 3.5 Transcribe，支持最多 40 种语言转写、31 种语言与英语互译，可区分最多 8 个说话人，并称在 Hugging Face 的 Open ASR 排行榜上领先。该模型只处理录音、不支持实时音频，实时场景仍留给 ElevenLabs 等对手。

    选语音转写方案时要注意它不支持实时

    TechCrunch · AIAI 评分 63
  6. NVIDIA 开源 Nemotron 3.5 转录模型

    NVIDIA 发布开源权重模型 Nemotron 3.5 Transcribe，已在 Hugging Face 和 ModelScope 上线，一个 checkpoint 整合转录、说话人分离、翻译和音频问答。它支持 40 种语言转录、31 种语言与英语互译、13 种语言说话人标注，最长处理 1 小时录音并最多标注 8 名说话人，可在单张 NVIDIA GPU 运行。官方称其在 Hugging Face Open ASR 英语榜居开源模型首位。

    语音转写开发者可直接下载评估

    Hugging Face Blog官方AI 评分 67

同时在说的其他事

热度怎么算的？了解口径

热度按 48 小时内有多少个独立来源在说这件事算：同一个来源发多条只算一次，并按 24 小时半衰期衰减，所以排前面的是很多人在说的事。

本页汇总公开订阅源，标题与摘要由模型整理，版权归原作者所有；重要信息请回原文核对。如权利人认为相关标题或摘要侵权，请通过页尾联系邮箱提供具体页面与权利依据，我们核实后会及时删除或替换。

爆
讨论快速增加
新
首报 6 小时内
发酵中
讨论仍在增加

回 AI 行业动态榜 →