NVIDIA 发布 Nemotron 3.5 Transcribe 多语种转录模型与 Granary v2 数据集
NVIDIA 的开放权重模型 Nemotron 3.5 Transcribe 已上线 Hugging Face 和 ModelScope，可转录 40 种语言，并在同一模型中提供说话人标注、翻译和音频问答。同步开放的 Granary v2 数据集覆盖 48 种语言、463,062 小时音频；一项医疗语音适配案例中，微调后对未参与调参的说话人，词错误率较最佳提示词降低 45.8%。模型针对录音设计，不支持实时流式转录。
1 次进展3 篇报道3 个来源3 条已核验动态
已核验动态 3
Voice AI in vogue: Nvidia releases new open transcription model
英伟达发布开放权重的音频转录模型Nemotron 3.5 Transcribe，支持转录最多40种语言的音频。
Voice AI in vogue: Nvidia releases new open transcription model
英伟达表示，Nemotron 3.5能处理多语言翻译、长达一小时的录音及说话人区分，并称其基准测试表现优于竞争对手。
事件进展 1
NVIDIA 发布 Nemotron 3.5 Transcribe 多语种转录模型与 Granary v2 数据集
NVIDIA 的开放权重模型 Nemotron 3.5 Transcribe 已上线 Hugging Face 和 ModelScope，可转录 40 种语言，并在同一模型中提供说话人标注、翻译和音频问答。同步开放的 Granary v2 数据集覆盖 48 种语言、463,062 小时音频；一项医疗语音适配案例中，微调后对未参与调参的说话人，词错误率较最佳提示词降低 45.8%。模型针对录音设计，不支持实时流式转录。
查看来源报道 · 3 个来源 · 3 篇报道
- Hugging Face 官方博客 · NVIDIA 发布 Nemotron 3.5 Transcribe 多语种转录模型与 Granary v2 数据集
- TechCrunch AI 报道 · Nvidia 发布开放权重转录模型，并更新语音数据集
- MarkTechPost AI 研究报道 · NVIDIA 发布 Nemotron 3.5 Transcribe 开放权重语音转写模型
全部报道 3
NVIDIA 发布 Nemotron 3.5 Transcribe 开放权重语音转写模型
该模型可处理40种语言、最长1小时的录音，并按文字指令生成逐字稿、说话人标注或翻译。NVIDIA 报告称，它在9个公开英语语音识别数据集上的平均词错误率为4.71%，低于报告中下一款开放权重模型的4.94%；目前仅支持离线处理，普通话远场会议转写仍是弱项。
另外 2 家也报道了
- TechCrunch AI 报道
- Hugging Face 官方博客
Nvidia 发布开放权重转录模型，并更新语音数据集
Nvidia 发布免费、开放权重的 Nemotron 3.5 Transcribe，可转录最多 40 种语言的录音，并发布 Granary 语音数据集第二版。Nvidia 称该模型支持英语与 31 种语言互译、区分最多八名说话者，但只能处理录音，不能处理实时音频流。同期，Mistral 推出 Voxtral 3，ElevenLabs 发布 Realtime，Salesforce 发布 Launa-Omni。
另外 2 家也报道了
- MarkTechPost AI 研究报道
- Hugging Face 官方博客
NVIDIA 发布 Nemotron 3.5 Transcribe 多语种转录模型与 Granary v2 数据集
NVIDIA 的开放权重模型 Nemotron 3.5 Transcribe 已上线 Hugging Face 和 ModelScope，可转录 40 种语言，并在同一模型中提供说话人标注、翻译和音频问答。同步开放的 Granary v2 数据集覆盖 48 种语言、463,062 小时音频；一项医疗语音适配案例中，微调后对未参与调参的说话人，词错误率较最佳提示词降低 45.8%。模型针对录音设计，不支持实时流式转录。
另外 2 家也报道了
- MarkTechPost AI 研究报道
- TechCrunch AI 报道