NVIDIA发布Nemotron 3.5 Transcribe与Granary v2
先了解这件事
NVIDIA 发布开放权重语音模型 Nemotron 3.5 Transcribe，并同步推出开源语音数据集 Granary 第 2 版，模型已在 Hugging Face 和 ModelScope 上线。该模型把转写、说话人分离、翻译和音频问答合并到一个检查点，支持 40 种语言转写、31 种语言与英语互译、13 种语言说话人分离，可处理最长 1 小时录音并标注最多 8 位说话人。NVIDIA 称，该模型在包括 Hugging Face Open ASR Leaderboard 在内的基准上优于竞品。 模型面向录制音频，不支持实时流；可在单张 NVIDIA GPU 上运行，从 DGX Spark 到 Blackwell 数据中心系统；若不自托管，可使用 Baseten、DeepInfra 或 Simplismart 的托管端点。Granary v2 的源音频需按各语料原许可单独下载，并遵循发布条款。
AI 根据报道生成 · 43 分钟前更新
报道时间线
沿着报道，了解事件的不同侧面。
- TechCrunch AI 技术与创作工具资讯Nvidia 发布开源语音转写模型 Nemotron 3.5 Transcribe
Nvidia 发布免费开源权重模型 Nemotron 3.5 Transcribe，可转写最多 40 种语言的音频，并同步推出开源语音数据集 Granary 第 2 版。Nvidia 称该模型支持 31 种语言与英语互译、处理最长 1 小时录音、区分最多 8 位说话人，并在包括 Hugging Face Open ASR Leaderboard 在内的基准上优于竞品。
- Hugging Face 博客精选NVIDIA 发布 Nemotron 3.5 Transcribe 模型与 Granary v2 数据管线
NVIDIA 发布开放权重模型 Nemotron 3.5 Transcribe，把转写、说话人分离、翻译和音频问答合并到一个检查点，已在 Hugging Face 和 ModelScope 上线。该模型支持 40 种语言转写、31 种语言与英语互译、13 种语言说话人分离，可处理最长 1 小时录音并标注最多 8 位说话人。
已显示 2 篇，共 2 篇报道。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。