Today for AI
返回热点榜
llm热度 56.1°

AI 聚合热点事件 · 2026/10/28

NVIDIA 开源 Nemotron 3.5 语音模型及数据管线

6 篇收录报道6 家独立信源交叉印证持续跟踪至 2026/10/29 15:31:29
全景综述与最新动态
6 家信源交叉印证

NVIDIA 正式开源 Nemotron 3.5 Transcribe 多模态语音模型及配套 Granary v2 数据管线，标志着高质量语音 AI 开发门槛的显著降低。该模型支持 40 种语言的转录、翻译、说话人分离及音频问答，在多项行业基准测试中取得领先成绩，并具备处理长达一小时录音及区分最多 8 位说话者的能力。

技术层面，Nemotron 3.5 采用混合专家（MoE）架构，总参数达 30B 但激活参数仅 4B，实现了在单 GPU 甚至 Jetson AGX Thor 等边缘设备上的高效推理。配套的 Granary v2 不仅提供了包含 84.4 万小时音频的大规模数据集，还集成了完整的微调配方与数据处理工具，允许开发者通过提示词快速适配医疗、会议等垂直场景需求。

这一全栈开源策略为开发者提供了从原始音频到定制化应用的端到端能力，打破了以往高性能语音模型闭源或部署成本高昂的局面。它不仅加速了语音交互技术在企业级应用中的落地，也为构建更智能、更具隐私保护意识的本地化语音解决方案奠定了坚实基础。

最新动向/NVIDIA 发布开放权重语音模型 Nemotron 3.5 Transcribe，采用 MoE 架构，支持 40 种语言及最多 8 人重叠说话的高精度转录与归属。该模型在多项基准测试中位居开源榜首，并同步公开训练数据管线 Granary v2，适用于会议纪要、客服等复杂场景。

逐小时热度走势

26 个完整观测小时
当前
56.1
峰值
69.116:00
近 24h 变化
-1%

曲线只比较全程持续完整观测的同一批信源；缺口小时数据已插值平滑，保持趋势连续。

报道时间线

共 6 篇 · 最新优先
  1. IT之家 · 智能时代T2·85 分

    NVIDIA 开源 Nemotron 3.5 Transcribe，支持多语言重叠语音转录

    原标题：英伟达开源最强转录 AI 模型 Nemotron 3.5 Transcribe：支持 40 种语言，8 人抢话也能精准转录

    • 采用混合专家（MoE）架构，总参数 34B，激活参数 4.3B，平衡性能与效率。
    • 解决“鸡尾酒会问题”，支持最多 8 名说话人的重叠语音分离与标注。
    • 在 Hugging Face Open ASR Leaderboard 英语组以 5.33% WER 位居开源第一。
    • 同步开源 Granary v2 数据管线，提供多种文本规范化风格的训练数据变体。
  2. Marktechpost (@Marktechpost)T2·78 分

    NVIDIA 发布 Nemotron 3.5 Transcribe 支持指令驱动转录

    原标题：▲ NVIDIA just released Nemotron 3.5 Transcribe, a single speech LLM that writes transcripts the way ...

    • 采用混合 Mamba-Transformer MoE 架构，总参数 34B，激活参数约 4.3B。
    • 支持通过自然语言指令定制转录输出（如逐字记录、书面语转换、多语言翻译）。
    • 英文平均词错误率 (WER) 为 4.71%，优于 Qwen3-ASR，但中文远场场景表现较弱。
  3. The DecoderT2·78 分

    Nvidia 开源 Nemotron 3.5 Transcribe 支持多语言语音转写与翻译

    原标题：Nvidia's open Nemotron 3.5 Transcribe combines transcription, translation, and speaker recognition

    • Nemotron 3.5 Transcribe 是支持指令跟随的开源语音模型，覆盖转录、翻译和说话人识别。
    • 采用稀疏激活架构（30B 总参/4B 激活），实现单 GPU 高效推理。
    • 配套发布 Granary v2 数据集（84.4 万小时音频）及医疗等垂直领域的适配工具。
  4. Hacker News AIT2·78 分

    Nvidia Nemotron 3.5 Transcribe 发布 开源多语言语音转写模型

    原标题：Nvidia Nemotron 3.5 Transcribe: open ASR for 40 languages

    • Nemotron 3.5 Transcribe 是支持 40 种语言的开源 ASR 模型，具备说话人归属、翻译及音频问答能力。
    • 配套发布了 Granary v2 开源数据管道和微调配方，降低了模型定制门槛。
    • 在相关基准测试中取得了领先的排行榜成绩，证明了其性能竞争力。
  5. TechCrunch AIT2·78 分

    Nvidia 开源 Nemotron 3.5 转录模型 支持 40 种语言

    原标题：Voice AI in vogue: Nvidia releases new open transcription model

    • Nemotron 3.5 是开源权重模型，支持 40 种语言转录及 31 种语言与英语的互译。
    • 模型参数量为 30B，声称可在 Jetson AGX Thor 或 DGX Spark 等单芯片设备上运行。
    • 具备处理长达一小时录音的能力，并能区分最多 8 位说话者，但不支持实时直播流。
  6. Hugging Face BlogT1·78 分

    NVIDIA 开源 Nemotron 3.5 多模态转录模型及 Granary v2 数据管线

    原标题：NVIDIA Nemotron 3.5 Transcribe and Granary v2: Intelligent Multilingual Transcription You Can Prompt and Adapt

    • Nemotron 3.5 整合了转录、说话人分离、翻译和音频问答功能，性能处于行业领先地位。
    • Granary v2 提供了完整的数据处理管线和微调配方，支持通过 Prompt 快速适配垂直领域需求。
    • 全栈开源策略（模型+数据管线）为开发者提供了从原始音频到定制化应用的端到端能力。