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，同时发布开源语音数据集 Granary 的第 2 版。英伟达称该模型支持 31 种语言与英语互译，可处理最长一小时的录音，并能区分最多 8 位说话人，在 Hugging Face 的 Open ASR Leaderboard 等基准上优于竞品。该模型面向商务会议和医疗转写类应用开发者，可结合 Granary 数据集与 NeMo Speech 等工具定制各语言行业术语识别。其局限在于只处理录音而非实时流，但 30B 参数可运行在 Jetson AGX Thor、DGX Spark 及 Blackwell 数据中心芯片等单芯片上。同期 Mistral 发布 Voxtral 3、ElevenLabs 推出 Realtime、Salesforce 发布 Launa-Omni。