英伟达发布Nemotron 3.5 Transcribe开源语音转录模型，支持40种语言

简讯

发布于：2026年10月28日，太平洋夏令时上午8:00

图片来源：TechCrunch/人工智能生成

英伟达周三发布了Nemotron 3.5 Transcribe，这是一款免费、开放权重的模型，可转录多达40种语言的音频。该公司还发布了其开源语音数据集Granary的2.0版本。

英伟达宣称，Nemotron 3.5可将31种语言与英语进行双向翻译，处理长达一小时的录音，并能区分多达八位说话者。该公司声称在基准测试中击败了竞争对手，包括Hugging Face的Open ASR排行榜。

这些工具面向为商务会议和医疗转录构建应用的开发者，这是人工智能在工作场所中最成熟的两个立足点。英伟达表示，开发者可以使用该模型、更新后的Granary数据集以及NeMo Speech模型等工具，来定制应用，使其能够识别各行业在不同语言中的专业术语。一个缺点是：Transcribe仅适用于已录制的音频，不支持实时流媒体。

尽管如此，该公司承诺，拥有300亿参数的Transcribe可以在单块芯片上运行，从Jetson AGX Thor机器人控制器和为新笔记本电脑提供动力的DGX Spark芯片，到Blackwell数据中心芯片，均适用。它加入了英伟达的开放权重语音模型系列，包括超小但功能强大的Parakeet（11亿参数）。

英伟达最新的语音产品发布正值AI语音发布的繁忙时期：Mistral本月早些时候推出了Voxtral 3；ElevenLabs推出了Realtime，用于语音代理中的即时语音；Salesforce发布了其语音模型Launa-Omni。