英伟达发布开源语音转写模型 Nemotron 3.5 Transcribe

英伟达发布开源语音识别模型 Nemotron 3.5 Transcribe，支持 40 种语言转写、31 种语言与英语互译，可在 13 种语言中识别说话人，最长处理一小时、最多八人录音。

英伟达发布 Nemotron 3.5 Transcribe，一款免费开源权重语音转写模型，可转写最多 40 种语言音频，支持 31 种语言与英语互译、处理最长 1 小时录音、区分最多 8 名说话人，300 亿参数可运行在单芯片上。英伟达同时发布开源语音数据集 Granary 第 2 版，并配套 NeMo Speech 等工具供开发者定制行业术语识别。该模型仅支持录制音频，不支持直播流。

NVIDIA 发布开源权重、可提示的 Nemotron 3.5 Transcribe，将转写、说话人归属、翻译和音频问答整合进单一 checkpoint，转写 40 种语言、翻译 31 种、归属 13 种语言说话人，最长处理 1 小时录音、最多 8 名说话人。