NVIDIA 开放 Nemotron 3.5 Transcribe 权重，一小时录音可通过提示词指定输出内容

發生什麼事

NVIDIA 公开了语音模型 Nemotron 3.5 Transcribe 的权重（@NVIDIAAI）。据官方博客，它采用混合专家架构，总参数量约 30B，每次激活约 4B（模型页面将音频编码器也计算在内，写的是约 34B），单段音频最长一小时。它可转录 40 种语言，其中 31 种可与英语互译，13 种可标注说话人，最多八人；也能通过提示词补充专有名词，或直接询问录音内容。授权为 OpenMDW-1.1，模型页面注明可商用。

评比机构 @ArtificialAnlys 表示，它在该机构的词错误率指标 AA-WER 中获得 2.8%，在开放权重语音转文字模型中并列第一。