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，把转写、说话人分离、翻译和音频问答合并到一个 checkpoint，已在 Hugging Face 和 ModelScope 上线。该模型支持 40 种语言转写、31 种语言与英语互译、13 种语言的说话人标注，可处理最长 1 小时录音并标注最多 8 位说话人，支持自然语言提示控制输出格式。在 Hugging Face Open ASR Leaderboard 英语榜上，它以 5.33% 平均 WER 位列开源权重模型第一；在 Artificial Analysis 上以 2.8% AA-WER 与更大模型并列开源第一，30B 参数中每 token 仅约 4B 激活。