英伟达发布开放权重语音模型 Nemotron 3.5 Transcribe：一个模型支持 40 种语言转写、翻译与说话人标注
英伟达 10 月 28 日在 Hugging Face 和 ModelScope 发布开放权重语音模型 Nemotron 3.5 Transcribe（30B-A4B），可用自然语言提示控制输出，一个模型支持 40 种语言转写、31 种语言与英语互译、13 种语言说话人标注及音频问答，并开放 Granary v2 数据集与微调工具。英伟达称其在 Open ASR 英语榜单居开放权重模型首位。
为什么重要
把转写、翻译和说话人分离合并进一个可提示的开放权重模型，可在单张 NVIDIA GPU 上部署，并能用公开数据和工具适配专业领域。
来源3
NVIDIA (Hugging Face blog)官方 · 博客NVIDIA Nemotron 3.5 Transcribe and Granary v2: Intelligent Multilingual Transcription You Can Prompt and Adapt英文原标题 · 查看原文 · 转载自 Hugging Face · - @NVIDIAAI官方 · X认识 NVIDIA Nemotron 3.5 Transcribe 🎙️ 一个开放权重、可提示的 30B MoE 模型，约 4B 激活参数，把 40 种语言的转写、说话人归属、翻译、上下文提示和音频理解整合进一个 checkpoint。 看它在所有人同时说话时如何分清谁在什么时候说了什么。 1/ 🧵译自英文 · 查看原文 ·
TechCrunch媒体Voice AI in vogue: Nvidia releases new open transcription model英文原标题 · 查看原文 ·
由 dalao.ai 撰写：标题、摘要和“为什么重要”是我们自己的文字；事实以原始报道为准，著作权归原发布者所有。