NVIDIA 发布 Nemotron 3.5 Transcribe 语音转写模型
先了解这件事
2026年10月28日，NVIDIA 发布开源权重语音转写模型 Nemotron 3.5 Transcribe，并同步推出配套数据管线 Granary v2。据 Hugging Face Blog 报道，该模型将多语言转写、说话人分离、翻译和音频问答整合进同一 checkpoint，已在 Hugging Face 和 ModelScope 上线；它可处理最长一小时的录音、标注最多八位说话人，可在单张 NVIDIA GPU（从 DGX Spark 到 Blackwell 数据中心系统）上运行，面向录制音频而非实时流式转写；源音频需按各语料原始许可单独下载并遵循发布条款。同日 TechCrunch 报道称，该模型为免费开源权重模型，可转写最多 40 种语言的音频，并支持 31 种语言与英语互译，英伟达称其在 Hugging Face Open ASR Leaderboard 等基准上优于竞品。同日，Artificial Analysis 在 X 平台公布评测称，该模型总参数 30B、激活参数 4B，在 AA-WER Index 上错误率 2.8%，与 Mistral 的 Voxtral Small 并列开源权重语音转写模型第一，并强调其仅用 4B 激活参数即取得该成绩。上述排名、错误率与基准比较均为各来源的单方说法；报道未提及 AA-WER Index 的测试集构成与评测方法，也未说明该模型的收费或额度安排。
AI 根据报道生成 · 35 分钟前更新
事件进展
2 个进展
- 10月28日 23:05 · 1 篇报道Artificial Analysis 公布 Nemotron 3.5 Transcribe 语音识别评测结果Artificial Analysis：NVIDIA 发布 Nemotron 3.5 Transcribe，以 2.8% WER 并列开源语音转写第一
- 10月28日 22:58 · 2 篇报道NVIDIA发布Nemotron 3.5 Transcribe与Granary v2Hugging Face Blog：NVIDIA 发布 Nemotron 3.5 Transcribe 与 Granary v2 数据管线
报道时间线
沿着报道，了解事件的不同侧面。
- Artificial AnalysisNVIDIA 发布 Nemotron 3.5 Transcribe，以 2.8% WER 并列开源语音转写第一
NVIDIA 发布开源权重语音转写模型 Nemotron 3.5 Transcribe，总参数 30B、激活参数 4B，在 Artificial Analysis 的 AA-WER Index 上取得 2.8% 错误率，与 Mistral 的 Voxtral Small 并列开源权重模型第一。
- 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。该模型可处理最长一小时的录音、区分最多 8 位说话人，英伟达称其在 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 发布开源权重模型 Nemotron 3.5 Transcribe，把多语言转写、说话人分离、翻译和音频问答合入同一 checkpoint，已在 Hugging Face 和 ModelScope 上线。
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。