千机 API NVIDIA发布Nemotron 3.5 Transcribe并开放语音数据流程
先了解这件事
2026年10月28日，NVIDIA发布开放权重语音模型Nemotron 3.5 Transcribe，支持40种语言转录、31种语言与英语互译、13种语言的说话人归属及音频问答，可处理最长一小时录音并标注最多8位说话人。同日，NVIDIA开放Granary v2多语言语音数据清单与整理流程，覆盖48种语言、共463,062小时语音。医疗语音案例显示，微调后在留出说话人上的词错误率较最佳提示词基线相对降低45.8%。随后TechCrunch报道补充，该模型支持录制音频、不支持实时流，拥有300亿参数，可在单颗芯片上运行。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- TechCrunch · AINvidia 发布开源语音转录模型 Nemotron 3.5 Transcribe
Nvidia 发布免费开放权重模型 Nemotron 3.5 Transcribe，可转录多达 40 种语言的音频，并发布开源语音数据集 Granary v2。Nvidia 称该模型可处理最长一小时的录音、区分最多八位说话人，并能将 31 种语言与英语互译；它支持录制音频，不支持实时流。该模型有 30 billion parameters，可在单颗芯片上运行。
- Hugging Face Blog精选NVIDIA 发布 Nemotron 3.5 Transcribe，并开放 Granary v2 多语言语音数据流程
NVIDIA 发布开放权重语音模型 Nemotron 3.5 Transcribe，支持 40 种语言转录、31 种语言与英语互译、13 种语言的说话人归属，以及音频问答。模型可处理最长一小时的录音并标注最多 8 位说话人；Granary v2 开放了覆盖 48 种语言、463,062 小时语音的清单和数据整理流程。医疗语音案例中，微调使留出说话人上的词错误率较最佳提示词基线相对降低 45.8%。
本事件热度走势
当前热度 18·可比范围峰值 19（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。