30秒录音，0.13秒转完！英伟达开源340亿参数语音模型
英伟达发布并开源了 Nemotron 3.5 Transcribe，这是一个约 340 亿参数的语音模型，每次推理激活约 43 亿参数，支持 40 种语言、最长 1 小时录音。在 9 个英文测试集上，它的平均词错误率为 4.71%，优于阿里巴巴 Qwen3-ASR-1.7B 的 4.94%，还可通过自然语言指令切换转写风格。为什么重要：一个带说话人分离的强开源转写模型，降低了会议记录、访谈和多语种存档的成本，无需依赖专有 API。
报道来源
- 智东西2026-10-29 06:53