NVIDIA 发布 Nemotron 3.5 Transcribe 与 Granary v2

NVIDIA 开源多语种转写模型，整合说话人分离与翻译。

资讯摘要

NVIDIA 在 Hugging Face 和 ModelScope 发布开放权重模型 Nemotron 3.5 Transcribe，将转写、说话人分离、翻译和音频问答整合进同一 checkpoint，支持 40 种语言转写、31 种语言与英语互译、13 种语言说话人标注，可处理一小时录音与最多 8 名说话人。同步开放 Granary v2 数据与微调方案。

要点速读

1. 模型支持自然语言提示控制输出，可处理最长一小时录音、标注最多 8 名说话人，并支持词级时间戳。
2. NVIDIA 称其在 Hugging Face Open ASR 英文榜开放权重模型中排名第一，平均 WER 为 5.33%。
3. 论文或作者报告称，医疗场景微调后，留出说话人上的 WER 相对最佳提示降低 45.8%。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:20（北京时间）。