简讯
发布时间：
太平洋夏令时 2026 年 10 月 28 日上午 8:00
Nvidia 于周三发布了Nemotron 3.5 Transcribe，这是一个免费的开源权重模型，可转写多达 40 种语言的音频。该公司还发布了其开源语音数据集 Granary 的第 2 版。
Nvidia 宣称 Nemotron 3.5 可以在 31 种语言与英语之间互译，处理最长一小时的录音，并能区分多达八位说话人。它声称该模型在基准测试中击败了竞争对手，包括 Hugging Face 的Open ASR Leaderboard。
这些工具面向为商务会议和医疗转写构建应用的开发者，这是 AI 在工作场所最成熟的两个落脚点。Nvidia 表示，开发者可以使用该模型、更新后的 Granary 数据集，以及其 NeMo Speech 模型等工具，来定制应用，以识别各语言中的行业术语。一个缺点：Transcribe 只处理录音音频，不支持直播流。
尽管如此，该公司承诺，拥有 300 亿参数的 Transcribe 可以运行在单颗芯片上，从 Jetson AGX Thor 机器人控制器和 DGX Spark 芯片（为新型笔记本电脑提供动力），到 Blackwell 数据中心芯片。它加入了 Nvidia 的开源权重语音模型阵营，其中包括体积极小却性能强大的 Parakeet（11 亿参数）。
Nvidia 最新的语音产品发布正值 AI 语音密集发布期：Mistral于本月早些时候推出了 Voxtral 3；ElevenLabs 推出了用于语音智能体即时语音的 Realtime；Salesforce 发布了Launa-Omni，其语音模型。
话题
订阅，获取业界最大的科技新闻