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，把转写、翻译和说话人识别整合进单一模型，并支持通过文本指令控制输出。该模型可转写 40 种语言、在 31 种语言与英语之间互译、识别 13 种语言中的说话人，处理最长一小时的录音和最多 8 位说话人。模型总参数 30B、每步仅约 4B 激活，可在单张 Nvidia GPU 上运行；Nvidia 称在 RTX PRO 6000 Blackwell Server Edition 上以 NVFP4 精度处理 100 小时音频耗时不到三分钟。