10 月 28 日，輝達發布開放權重語音模型 Nemotron 3.5 Transcribe，同日在 Hugging Face 與 ModelScope 上線，並開源語音資料集 Granary 第二版與微調配方。據 Hugging Face 部落格介紹，同一 checkpoint 即可完成轉寫、說話人分離、翻譯與音訊問… 看完整事件
輝達開源轉寫模型 Nemotron 3.5，支援 40 種語言
輝達發布免費開源權重語音轉寫模型 Nemotron 3.5 Transcribe，支援最多 40 種語言，可處理長達一小時的錄音、區分最多 8 位說話人，並能在 31 種語言與英語之間互譯。該模型為 300 億引數，官方稱可執行在單顆晶片上，涵蓋 Jetson AGX Thor、DGX Spark 與 Blackwell 資料中心晶片；同期還發布了開源語音資料集 Granary 第二版。主要限制是只能處理已錄製音訊，不支援即時直播流。
300 億引數的開源轉寫模型宣稱單晶片可跑、在 Hugging Face Open ASR 榜單上領先，面向會議與醫療轉寫場景，對需要自託管或本地部署語音識別的開發者有直接參考價值。
原標題：Voice AI in vogue: Nvidia releases new open transcription model
閱讀原文
| 評分 | 76 / 73（平均 74，門檻 76） |
|---|---|
| 狀態 | 未入選 |
相關報導
輝達開源 Nemotron 3.5 Super VL 與兩款 Bolt 邊緣模型
輝達發布 1200 億引數開源模型 Nemotron 3.5 Super VL，主打多模態 agentic 任務，官方稱其準確率接近自家最大推理模型、引數量約為五分之一，吞吐量最高達同類模型 5 倍。同時推出兩款邊緣模型：Bolt 74B-A9B 24GB 採用原生 2-bit 量化，可在 RTX/DGX Spark 的 24GB 記憶體內本地執行 agent，現已可用；Bolt E4B 4GB 面向 GeForce RTX、Jetson 等裝置，10 月 23 日發布。
Ollama 本地模型新增 Nemotron-3.5 與 Phonon TTS
Ollama 公布過去兩週的模型更新，本地端新增 Nemotron-3.5-bolt、Nemotron-3.5-super、Bonsai-2、EmbeddingGemma-2、Flint，以及文字轉語音模型 Phonon。雲端上線 Beam（限時免費）、Muse-spark-open、MiniMax-m3.1-flash、Mistral-large-4、DeepSeek-v4.1-flash:1017 和 Clef。
NVIDIA 聯手 AI4Bharat 開源 2.8 萬億 token 印度語語料
NVIDIA 與 IIT Madras 的 AI4Bharat 實驗室聯合發布 Nemotron-pretraining-Indic-v1，約 2.8 萬億 token，覆蓋印度憲法列出的 22 種語言，即將開源，同時開放用於生成該語料、GPU 加速的資料生產流程。語料含 2,601.0 億原生文字 token 與 224.6 億羅馬化 token（按 Gemma-4 分詞器計），共 34 種語言—文字組合，其中 12 種語言另有羅馬化文字。
Mistral 發布 Voxtral 3 語音模型家族及語音 agent SDK
Mistral 推出 Voxtral 3 語音模型系列，並配套語音 agent SDK，將監聽、推理、工具呼叫和發音整合進一條即時流式處理管線。轉寫模型 Voxtral Small Transcribe 3 支援 50+ 語言、說話人分離和關鍵詞上下文偏置，官方稱它在多語言轉寫與說話人分離基準上優於 Whisper、Scribe v2 和 Gemini 3.5 Transcribe；Mini 版僅有 4B 引數，每分鐘 0.0035 美元。