NVIDIA 开源语音转录模型 Nemotron 3.5 Transcribe，支持 40 种语言

NVIDIA 于 10 月 28 日发布开放权重转录模型 Nemotron 3.5 Transcribe，总参数约 340 亿、激活约 43 亿，采用 MoE 架构。模型支持 40 种语言转录、31 种语言与英语互译，最长可处理 1 小时录音，并最多区分 8 名说话人。它在 Hugging Face Open ASR Leaderboard 英语组以 5.33% 平均词错误率居开放权重模型第一，在 Artificial Analysis 非流式词错误率指数以 2.8% 与 Voxtral Small Transcribe 并列开源首位。同步公开的 Granary v2 训练数据管线覆盖 463,062 小时音频、48 种语言。模型已在 Hugging Face 与 ModelScope 免费开放，采用 OpenMDW-1.1 许可证。