NVIDIA开源语音转录模型Nemotron 3.5 Transcribe，支持40种语言
据 2026 年 10 月 29 日 MarkTechPost 报道，NVIDIA 发布开放权重的语音转录模型 Nemotron 3.5 Transcribe。它是一款面向转录的专用语音大模型，采用 30B MoE 架构、每次推理仅激活约 4.3B 参数，支持 40 种语言转录，并可输出说话人标签与词级时间戳。报道称其在 English Open ASR Leaderboard 上取得 4.71% 的平均词错率（WER），该数字为榜单口径，暂未见第三方复测。
rss · MarkTechPost · 10月29日 04:41
「为何重要」 以约 4.3B 的激活参数覆盖 40 种语言并附带说话人与时间戳能力，意味着开发者有望以接近小模型的推理成本运行多语言转录服务。开放权重形式也使自托管部署成为选项，减少对托管 API 的依赖。不过 4.71% 的平均 WER 仅来自英文榜单，多语言场景的实际表现仍需自行验证。
「获取方式」 材料说明该模型以开放权重形式发布，但未提供具体下载渠道、许可证类型或 API 定价信息，使用前建议核实 NVIDIA 官方发布页。
做AI项目，先看AI雷达 - AiRadar.com.cn · 全部AI快讯 →