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、翻譯與音訊問答，支援 40 種語言轉寫、31 種語言與英語互譯、13 種語言的說話人區分，可處理最長 1 小時錄音並標註最多 8 位說話人，還能用自然語言提示控制輸出格式與專業術語。據 TechCrunch 報導，該模型為 300 億引數，輝達稱其可執行在單顆晶片上，涵蓋 Jetson AGX Thor、DGX Spark 與 Blackwell 資料中心晶片，並稱其在 Hugging Face Open ASR Leaderboard 等基準上優於競品；主要限制是只能處理已錄製音訊，不支援即時直播流。該模型面向企業會議與醫療轉寫等場景，開發者可結合 Granary 與 NeMo Speech 定製各語言的行業術語。對需要在單卡或本地環境部署語音轉寫與說話人分離的開發者來說，這一開放權重模型可直接下載並微調，但不適用於即時字幕這類直播場景。
AI 根據 2 則報導生成 · 更新
沿著報導，了解事件的不同側面；點標題看單篇報導的摘要與原文連結。
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。
輝達發布開放權重模型 Nemotron 3.5 Transcribe，用同一個 checkpoint 同時完成轉寫、說話人分離、翻譯與音訊問答，已在 Hugging Face 和 ModelScope 上線。它支援 40 種語言轉寫、31 種語言與英語互譯、13 種語言的說話人區分，可處理最長 1 小時錄音、標註最多 8 位說話人，並支援用自然語言提示控制輸出格式與專業術語。
過去 48 小時，有 3 個獨立來源報導，最近 6 小時新增 0 個。熱度 1.2，熱門榜第 6 名。
熱度以 48 小時內的獨立來源計，同一來源只算一次，每 24 小時權重減半。
同一事件的報導集中在這裡，新的進展會繼續補充。