NVIDIA 发布 Nemotron 3.5 Transcribe 语音转写模型，2.8% WER 并列开源第一
NVIDIA's Nemotron 3.5 Transcribe ties for #1 among open weights Speech to Text models with 2.8% WER, using just 4B active parameters
NVIDIA 发布开源权重语音转写模型 Nemotron 3.5 Transcribe，总参数 30B、激活参数 4B，在 Artificial Analysis 的非流式语音转写榜单上取得 2.8% 的 AA-WER，与 Mistral 的 Voxtral Small 并列开源模型第一。在语音智能体对话数据集 AA-AgentTalk 上，它以 1.8% 领先 Voxtral Small 的 2.3%。其激活参数为 4B，而 Voxtral Small 为 24B，同等规模的其他开源模型 WER 约为 4%。
正文 · AI 翻译
NVIDIA 的 Nemotron 3.5 Transcribe 仅用 4B 激活参数，就以 2.8% 的 WER 在开源权重语音转文字模型中并列第一
Nemotron 3.5 Transcribe 是 NVIDIA 新推出的开源权重语音转文字模型，用于非流式转写，总参数 30B、激活参数 4B，是我们非流式语音转文字排行榜上最准确的 NVIDIA 模型。
要点
➤ 准确率：Nemotron 3.5 Transcribe 在 AA-WER 指数上得分为 2.8%，与 Mistral 的 Voxtral Small 并列开源权重模型第一。在我们的语音智能体对话数据集 AA-AgentTalk 上，它以 1.8% 对 2.3% 领先 Voxtral Small。
➤ 模型规模：Nemotron 3.5 Transcribe 拥有 4B 激活参数（总计 30B），在 AA-WER 与激活参数的对比中处于开源权重前沿。它以少 6 倍的激活参数（4B 对 24B）达到与 Mistral 的 Voxtral Small 相同的准确率，而其他同等规模的开源权重模型 WER 约为 4%。
祝贺 @NVIDIAAI 发布！
更多详情见下方 ⬇️