英伟达发布开源Nemotron 3.5语音模型

英伟达10月29日发布并开源语音模型 Nemotron 3.5 Transcribe，总参数约340亿，每次推理激活约43亿。该模型支持40种语言、最长可处理1小时录音，主要用于录音转写和多人发言识别，并非面向实时语音交互的流式识别系统；用户无需微调即可通过自然语言指令调整转写风格。 英伟达称，该模型在英文语音识别的9个公开测试集上平均WER为4.71%，优于Qwen3-ASR-1.7B的4.94%。模型还提供BF16、FP8和NVFP4等不同精度版本，以适配不同显存和推理需求。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。