輝達開源 Nemotron 3.5 Transcribe 轉寫模型
2026/10/28 — 10/29 00:18·6 個來源（全部）·6 篇報道（全部）
核心速覽 (Key Takeaways)
- 輝達釋出開源權重模型 Nemotron 3.5 Transcribe，將語音檢測、轉寫、說話人標註、翻譯和音訊問答整合到單次推理中。
- 該模型為 30B 引數的 MoE 架構、啟用 4B，支援 40 種語言轉錄、31 種語言與英語互譯、最多 8 個說話人，可在單張 NVIDIA GPU 執行；
- 它只處理錄音，不支援即時音訊。
事件背景與詳細解讀
2026 年 10 月 28 日，NVIDIA 釋出開源權重語音模型 Nemotron 3.5 Transcribe，並在 Hugging Face 和 ModelScope 上線。據 Hugging Face Blog 介紹，該模型在一個 checkpoint 中整合了轉錄、說話人分離、翻譯與音訊問答，可轉錄 40 種語言，支援其中 31 種語言與英語互譯，在 13 種語言上做說話人標註，單條錄音最長 1 小時、最多標註 8 名說話人，可在單張 NVIDIA GPU 執行，官方稱其在 Hugging Face Open ASR 英語榜居開源模型首位。TechCrunch 與 SiliconANGLE 的跟進報道補充了更多細節。
TechCrunch 稱該模型免費，但只處理錄音、不支援即時音訊，並同步釋出了開源語音資料集 Granary 的第 2 版；SiliconANGLE 稱該模型將語音檢測、轉寫、說話人標註與針對音訊的問答合併到單次推理中，支援最多 8 個說話人，並稱其可處理 100 小時音訊，同時開放了用於微調的資料管線。SiliconANGLE 給出的這個時長與 Hugging Face Blog 所述的最長 1 小時不一致，材料未能核實。在具體規格上，Artificial Analysis 測評稱 Nemotron 3.5 Transcribe 面向非流式轉寫，總引數 30B、啟用引數 4B，詞錯率為 2.8%，在開源權重語音轉文字模型中並列第一；The Decoder 則報道稱，該模型以文本提示接收指令，活躍引數僅為最強開源競品的六分之一，並稱其領跑多項基準，同時放出超過 80 萬小時語音資料集與微調工具。
目前材料到 10 月 28 日當天為止，之後未見新的進展報道。
AI 綜合 6 篇報道生成 · 更新於 20 分鐘前
最新進展據 The Decoder 報道，輝達釋出開源語音識別模型 Nemotron 3.5 Transcribe，支援轉寫、說話人識別和翻譯，並以文本提示接收指令。報道稱其領跑多項基準，活躍引數僅為最強開源競品的六分之一，同時放出超過 80 萬小時語音資料集與微調工具。
- 熱度指數
- 577
- 全部來源
- 6
- 全部報道
- 6
- 首報
- 2 小時前
這件事的報道 點標題看原文
據 The Decoder 報道，輝達釋出開源語音識別模型 Nemotron 3.5 Transcribe，支援轉寫、說話人識別和翻譯，並以文本提示接收指令。報道稱其領跑多項基準，活躍引數僅為最強開源競品的六分之一，同時放出超過 80 萬小時語音資料集與微調工具。
開源語音模型又多一個可自託管的高性價比選項。
The DecoderAI 評分 56據 SiliconANGLE 報道，Nvidia 釋出開放權重模型 Nemotron 3.5 Transcribe，面向多語言音訊轉寫與翻譯，被描述為一款在榜單上領先的開放模型。同時釋出的還有開源語音資料集 Granary v2。
多語言語音轉寫多了一個可自部署的開源權重選項
TechmemeAI 評分 59NVIDIA 釋出開源權重語音轉寫模型 Nemotron 3.5 Transcribe，面向非流式轉寫，總引數 30B、啟用引數 4B。據 Artificial Analysis 測評，其詞錯率為 2.8%，在開源權重語音轉文字模型中並列第一。
小啟用引數的開源轉寫模型，可評估替換現有方案
X：Artificial Analysis (@artificialanlys)官方AI 評分 45據 SiliconANGLE 報道，輝達釋出開源權重模型 Nemotron 3.5 Transcribe，把語音檢測、轉寫、說話人標註和針對音訊的問答合併到單次推理中，支援 40 種語言、最多 8 個說話人，可處理 100 小時音訊。該模型為 30B 引數的 MoE 架構、啟用 4B，可跑在較小硬體上，輝達同時開放了用於微調的資料管線。
開源語音模型選型多了一個強候選
SiliconANGLEAI 評分 65據 TechCrunch 報道，輝達釋出免費的開源權重模型 Nemotron 3.5 Transcribe，支援最多 40 種語言轉寫、31 種語言與英語互譯，可區分最多 8 個說話人，並稱在 Hugging Face 的 Open ASR 排行榜上領先。該模型只處理錄音、不支援即時音訊，即時場景仍留給 ElevenLabs 等對手。
選語音轉寫方案時要注意它不支援即時
TechCrunch · AIAI 評分 63NVIDIA 釋出開源權重模型 Nemotron 3.5 Transcribe，已在 Hugging Face 和 ModelScope 上線，一個 checkpoint 整合轉錄、說話人分離、翻譯和音訊問答。它支援 40 種語言轉錄、31 種語言與英語互譯、13 種語言說話人標註，最長處理 1 小時錄音並最多標註 8 名說話人，可在單張 NVIDIA GPU 執行。官方稱其在 Hugging Face Open ASR 英語榜居開源模型首位。
語音轉寫開發者可直接下載評估
Hugging Face Blog官方AI 評分 67
同時在說的其他事
- 熱度指數 1749發酵中亞馬遜憑 Anthropic 可轉債成最大受益者，持倉賬面價值達 979 億美元29 個來源
- 熱度指數 1234發酵中Google DeepMind 推出 Genie 4 即時世界模型20 個來源
- 熱度指數 862發酵中OpenAI 公示 GPT-6.1 Terra 安全評估：整體風險降，多 Agent 越權操作升至 13.75%21 個來源
- 熱度指數 738Meta 250 億美元股票發行獲約 5 倍認購，每股 625 美元17 個來源
- 熱度指數 591OpenAI 成果釋出方式與內容引不滿，Anthropic 亦稱證偽 ETH12 個來源
熱度怎麼算的？瞭解口徑收起
熱度按 48 小時內有多少個獨立來源在說這件事算：同一個來源發多條只算一次，並按 24 小時半衰期衰減，所以排前面的是很多人在說的事。
本頁彙總公開訂閱源，標題與摘要由模型整理，版權歸原作者所有；重要資訊請回原文核對。如權利人認為相關標題或摘要侵權，請通過頁尾聯絡郵箱提供具體頁面與權利依據，我們核實後會及時刪除或替換。
- 爆
- 討論快速增加
- 新
- 首報 6 小時內
- 發酵中
- 討論仍在增加