NVIDIA发布开源语音模型Nemotron 3.5 Transcribe
先了解这件事
2026年10月28日，NVIDIA发布开放权重语音模型Nemotron 3.5 Transcribe，把转写、说话人分离、翻译和音频问答整合进同一个checkpoint。据Hugging Face博客同日报道，该模型支持40种语言转写、31种语言与英文互译、13种语言说话人标注，可处理最长1小时录音并标注最多8位说话人；同日The Decoder报道称，模型可用文本指令在单一模型中完成转写、翻译和说话人识别，并支持就录音内容提问，总参数30B、每步约4B激活，可在单张Nvidia GPU上运行。同日TechCrunch报道称，该模型为免费开源权重，参数量30B，可区分最多8位说话人、处理最长1小时录音，官方称其在Hugging Face Open ASR Leaderboard等基准上优于竞品。目前事件进展仅限于此次发布，尚无后续报道。
AI 根据报道生成 · 2 分钟前更新
报道时间线
沿着报道，了解事件的不同侧面。
- The Decoder精选Nvidia 发布开源语音模型 Nemotron 3.5 Transcribe，整合转写、翻译与说话人识别
Nvidia 发布开源语音识别模型 Nemotron 3.5 Transcribe，可用文本指令在单一模型中完成转写、翻译和说话人识别，并支持就录音内容提问。该模型支持 40 种语言转写、31 种语言与英语互译、13 种语言的说话人识别，可处理最长 1 小时、最多 8 名说话人的录音；模型总参数 30B、每步约 4B 激活，可在单张 Nvidia GPU 上运行。
- TechCrunch · AI英伟达发布开源语音转写模型 Nemotron 3.5 Transcribe
英伟达发布免费开源权重模型 Nemotron 3.5 Transcribe，可转写最多 40 种语言的音频，并支持 31 种语言与英语互译。该模型参数量为 30B，可区分最多 8 位说话人、处理最长 1 小时的录音，官方称其在 Hugging Face Open ASR Leaderboard 等基准上优于竞品。
- Hugging Face Blog精选NVIDIA 发布 Nemotron 3.5 Transcribe 与 Granary v2 数据管线
NVIDIA 发布开放权重模型 Nemotron 3.5 Transcribe，把转写、说话人分离、翻译和音频问答整合进同一个 checkpoint，支持 40 种语言转写、31 种语言与英文互译、13 种语言说话人标注，可处理最长 1 小时录音并标注最多 8 位说话人。
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。