NVIDIA 開放 Nemotron 3.5 Transcribe 權重，一小時錄音能靠提示詞決定要什麼輸出

發生什麼事

NVIDIA 公開語音模型 Nemotron 3.5 Transcribe 的權重（@NVIDIAAI）。依官方部落格，它是混合專家架構，總參數約 30B、每次啟用約 4B（模型頁連音訊編碼器一起算，寫約 34B），單段音檔最長一小時。可轉錄 40 種語言，其中 31 種能和英文互譯，13 種能標出講者、最多八人；也能用提示詞補專有名詞，或直接問錄音內容。授權是 OpenMDW-1.1，模型頁寫明可商用。

評比機構 @ArtificialAnlys 表示，它在該機構的字錯誤率指標 AA-WER 得到 2.8%，開放權重語音轉文字模型裡並列第一。