NVIDIA 发布开源语音模型 Nemotron 3.5 Transcribe

NVIDIA 发布开源语音模型 Nemotron 3.5 Transcribe，支持 40 种语言转录和英语与 31 种语言互译。模型可区分最多 8 个说话人并打标签，处理最长一小时的录音。参数量约 30B（每 token 激活约 4B），可在本地 NVIDIA GPU 上运行。官方称其在 Hugging Face 英语 Open ASR 榜单开源模型中排名第一，并在 VoiceArena 14 系统说话人归属转录测试中领先。还支持音频问答，可指定人名和技术术语引导转录。