NVIDIA发布Nemotron 3.5 Transcribe开源语音模型
先了解这件事
2026年10月28日，NVIDIA在Hugging Face博客发布开源权重模型Nemotron 3.5 Transcribe，同时发布Granary v2数据管线。据该报道，该模型将转写、说话人分离、翻译和音频问答整合进同一个checkpoint，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，可处理最长一小时的录音并标注最多8位说话人。同日稍晚，TechCrunch报道称这是一款免费开源权重模型，可转写最多40种语言的音频，并同步将开源语音数据集Granary更新至第2版，与早先报道在语言数量和数据集版本上一致。当晚The Decoder进一步报道，该模型可用文本指令完成转写、翻译和说话人识别，并回答录音内容相关问题，语言与时长规格与前述报道一致；该报道另称模型总参数30B、每步约4B激活，可在单张NVIDIA GPU上运行，此参数与部署信息为此前报道所未提及。目前尚无其他来源的独立验证。
AI 根据报道生成 · 18 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- The DecoderNvidia 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，可用文本指令完成转写、翻译和说话人识别，并回答录音内容相关问题。该模型支持 40 种语言转写、31 种语言与英文互译、13 种语言的说话人识别，可处理最长 1 小时、最多 8 名说话人的录音；总参数 30B、每步约 4B 激活，可在单张 Nvidia GPU 上运行。
- TechCrunch · AI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，并同步更新开源语音数据集 Granary 至第 2 版。
- Hugging Face Blog精选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，将转写、说话人分离、翻译和音频问答整合进同一个 checkpoint，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，可处理最长一小时的录音并标注最多 8 位说话人。
本事件热度走势
当前热度 18·可比范围峰值 29（10月29日 01:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。