英伟达发布开放权重语音转写模型 Nemotron 3.5 Transcribe，支持40种语言

OmniTools 10月28日消息，TechCrunch 10月28日消息，英伟达发布免费开放权重的语音转写模型 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 的第二版。

据英伟达介绍，该模型支持31种语言与英语互译，可处理时长最长一小时的录音，并能区分最多8位说话人；官方称其在包括 Hugging Face Open ASR Leaderboard 在内的基准测试中优于竞品。该模型主要面向会议记录和医疗转写应用的开发者，可结合 Granary 数据集与 NeMo Speech 等工具，针对不同语言的行业术语进行定制。

该模型的一个局限是只能处理录音，不支持实时音频流。英伟达表示，参数量为300亿的 Transcribe 可运行在单颗芯片上，覆盖 Jetson AGX Thor 机器人控制器、驱动新款笔记本的 DGX Spark 芯片以及 Blackwell 数据中心芯片。近期语音模型密集发布，Mistral 本月推出 Voxtral 3，ElevenLabs 上线面向语音智能体的 Realtime，Salesforce 也发布了语音模型 Launa-Omni。