←事件详情

热点事件 持续更新

NVIDIA发布开放权重语音转写模型Nemotron 3.5 Transcribe

11 篇正式报道1 条相关讨论12 条事件动态更新于 10月30日 12:51

先了解这件事

事件摘要

还没有公开综述,先看下面的报道时间线。

最新进展 · 正式报道

Edge AI Daily 早报(10月30日):英特尔暴跌21%、Anthropic…

事件进展

1 个已确认进展

  1. NVIDIA发布开放权重语音转写模型Nemotron 3.5 Transcribe

    来源:Hugging Face

报道与讨论时间线

按时间查看正式报道与传播讨论;两类内容的证据等级保持独立。

10月30日

  1. 钛媒体 · AGI

    Edge AI Daily 早报(10月30日):英特尔暴跌21%、Anthropic…

    英特尔2026年三季度营收165亿美元、每股收益52美分超预期,但四季度营收指引150亿至160亿美元低于市场约171亿美元预期,毛利率指引由43%降至38%,10月29日盘后股价一度暴跌约21%。Anthropic于10月26日提交纳斯达克IPO申请(代码ANT),2026上半年营收162.86亿美元、同比约增1300%,Q2单季营业利润9.74亿美元。美国司法部就英伟达以约129.3亿美元收购Hugging Face是否影响AI竞争展开问询。

  2. NVIDIA RTX Spark相关讨论

    NVIDIA RTX Spark 参与了这场讨论

    原帖参与热度计算,不等同于正式报道或已确认事实。

10月29日

  1. Analytics India Magazine

    NVIDIA 发布 Nemotron 3.5 Transcribe 开源权重语音模型,支持 40 种语言

    NVIDIA 于 10 月 28 日发布 Nemotron 3.5 Transcribe,这是一款开源权重的语音模型,可转写 40 种语言的音频、翻译语音并识别说话人,开发者可用自然语言指令控制转写格式而无需重新训练。该模型由 Transformer 语音编码器、说话人分离模型和 Nemotron 3.5 Lightning 语言模型组成,约 43 亿激活参数,发布检查点标注为 30B-A4B。NVIDIA 称其在英语 Open ASR Leaderboard 九个公开测试集上平均词错误率为 4.71%,在多语言榜单七个语言上为 4.62%,并称其为两个榜单上最好的开源权重模型;模型以 BF16、FP8、NVFP4 格式及 GGUF 文件发布,采用 OpenMDW-1.1 许可。

  2. gihyo.jp

    NVIDIA 发布语音转写与翻译模型 Nemotron 3.5 Transcribe

    NVIDIA 于 2026 年 10 月 28 日发布语音转写与翻译模型 Nemotron 3.5 Transcribe,支持含日语在内的 40 种语言,最长可转写 1 小时录音。该模型为开放权重 30B MoE 架构,推理时约激活 4B 参数,可通过文本指令指定是否保留口头语、数字写法,并支持最多 8 人的说话人区分和日英双向翻译。权重以 NVIDIA-Nemotron-3.5-Transcribe-30B-A4B 在 Hugging Face 发布,采用 OpenMDW-1.1 许可,提供 BF16、FP8、NVFP4 版本及 NeMo Speech 微调工具。

  3. Testing Catalog精选

    NVIDIA 发布 Nemotron 3.5 Transcribe 开源权重语音模型

    NVIDIA 发布 Nemotron 3.5 Transcribe,这是一个开源权重的 30B MoE 模型,约 4B 激活参数。该模型支持 40 种语言转写、说话人归属、翻译、上下文提示和音频理解,并在 VoiceArena 的 14 系统说话人分离加 ASR 对比中排名第一。

  4. Latent Space精选

    Google DeepMind 发布 Gemini 4 Carbon,登顶 Artificial…

    Google DeepMind 发布 Gemini 4 Carbon,在 Artificial Analysis Intelligence Index v5 上以 59 分排名第一,并在 HLE-Diamond、TB-Science 等 9 项评测中的 4 项领先。该模型主打网络安全与长周期任务,宣称在 SEC-bench Pro 上取得 88.2%、ExploitGym 上 54.8%、CWE-bench 上 71.0%,初期仅通过 Fairwind Program 向可信网络安全人员开放。规格上支持 1M token 上下文与 1M 最大输出,输入覆盖文本、图像、视频和语音,输出为文本;Artificial Analysis 列出的标准价格为每百万输入/输出 token 4/20 美元,另有 50% 上线折扣。

  5. MarkTechPost

    NVIDIA 发布 Nemotron 3.5 Transcribe:开源 30B MoE 语音模型…

    NVIDIA 发布 Nemotron 3.5 Transcribe,这是一个开源权重的语音大模型,支持 40 种语言、单次最长 1 小时音频,可通过文本指令选择逐字、书面、说话人标注、上下文和翻译等输出形式。模型总参数约 34B、激活参数约 4.3B,采用混合 Mamba-Transformer MoE 架构,BF16 可在单张 H100 80GB 上运行,NVFP4 版本约 21GB 可在 RTX 5090 上运行。NVIDIA 自报其在 9 个公开英文 Open ASR 测试集上平均 WER 为 4.71%,为开源权重模型最好成绩,但商业 API 仍领先;短板是仅支持离线,中文远场会议 cpCER 为 34.95%。

10月28日

  1. Artificial Analysis

    NVIDIA 发布 Nemotron 3.5 Transcribe 语音转写模型,2.8% WER 并列开源第一

    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%。

  2. NVIDIA Blog一手

    NVIDIA RTX Spark 笔记本更新:新增 Nemotron 3.5 Transcribe 与本地智能体工具

    NVIDIA 公布 RTX Spark 轻薄笔记本的多项更新,包括开放权重语音模型 Nemotron 3.5 Transcribe、Liquid AI 的 LFM3 模型家族支持,以及 NVIDIA App 中可在前台应用与后台智能体之间分配 GPU 资源的控制项。Nemotron 3.5 Transcribe 支持 40 种语言的转写、说话人标注和翻译,约 43 亿活跃参数,已在 Hugging Face 上线。RTX Spark 笔记本现由 ASUS、Dell、HP、Lenovo、Microsoft 和 MSI 出货,起售价 2599 美元。

  3. The New Stack

    Nvidia 发布 Nemotron 3.5 Transcribe 可提示转写模型

    Nvidia 发布开源权重多语言转写模型 Nemotron 3.5 Transcribe,在 Hugging Face Open ASR 英文开源模型榜以 5.33% 平均词错误率排名第一。该模型为 30B MoE 架构、4B 激活参数,支持 40 种语言转写、31 种语言与英文互译,可为说话人标注并区分最多 8 个声音,处理最长 1 小时录音,但不支持实时流式。用户可在转写前给出上下文和术语等指令,模型可用 vLLM 部署或在单 GPU 上通过 NeMo-Speech.cpp 本地运行;Nvidia 同时发布数据整理流程 Granary v2 及约 463,062 小时、48 种语言的公开清单。

  4. TechCrunch AI

    Nvidia 发布开源转写模型 Nemotron 3.5 Transcribe

    Nvidia 发布免费开源权重模型 Nemotron 3.5 Transcribe,可转写最多 40 种语言的音频,并同步推出开源语音数据集 Granary 第 2 版。该模型支持 31 种语言与英语互译、处理最长一小时的录音、区分最多 8 位说话人,Nvidia 称其在 Hugging Face Open ASR Leaderboard 等基准上优于竞品。模型为 300 亿参数,可运行在 Jetson AGX Thor、DGX Spark 及 Blackwell 数据中心芯片上,但只支持录音音频,不支持直播流。

  5. Hugging Face一手精选

    NVIDIA 发布 Nemotron 3.5 Transcribe 与 Granary v2 数据管线

    NVIDIA 在 Hugging Face 和 ModelScope 上发布开放权重模型 Nemotron 3.5 Transcribe,把转写、说话人分离、翻译和音频问答整合进同一个 checkpoint,支持 40 种语言转写、31 种语言与英文互译、13 种语言说话人标注,可处理最长 1 小时录音并标注最多 8 位说话人。该模型在 Hugging Face Open ASR Leaderboard 英语榜的开放权重模型中排名第一,平均 WER 为 5.33%,在 Artificial Analysis 上以约 4B 激活参数取得 2.8% AA-WER。同时发布的 Granary v2 覆盖 48 种语言、463,062 小时语音数据,配套 NeMo Speech 微调配方在医疗案例中把留出说话人的 WER 从 22.44% 降到 12.17%。

本事件热度走势

当前
35
区间峰值
41 10月30日 17:00
近 24 小时变化
—

移动指针或点击图表可查看每小时热度;键盘可用左右方向键切换。

关联事件

  1. 相关事件Mistral在Hugging Face发布Large 4权重
  2. 相关事件Meta发布开放权重模型Muse Spark Open
  3. 相关事件Nvidia发布Nemotron 3.5 Super VL与Bolt模型
  4. 相关事件蚂蚁百灵开源Ming-3.0语音系列共五款模型