英伟达发布Nemotron 3.5转录模型

Nvidia 发布开放语音识别模型 Nemotron 3.5 Transcribe，可通过文字指令完成转写、翻译、说话人识别和音频问答。该模型支持 40 种语言，其中 31 种可与英语互译，最多识别 13 名说话人并处理 1 小时音频。Nvidia 同时发布包含约 844,000 小时、48 种语言语音的 Granary v2 数据集及构建工具；其模型和数据集均已上架 Hugging Face。

NVIDIA RTX Spark Windows 笔记本新增 Nemotron 3.5 Transcribe、GPU 资源管理、LFM3 模型支持和多项游戏功能，现已由 ASUS、Dell、HP、Lenovo、Microsoft 和 MSI 上市销售。

英伟达发布 Nemotron 3.5 Transcribe 开放权重模型，可将最长 1 小时的录音转写为文本，支持最多 40 种语言、31 种语言与英语互译及最多 8 位说话人区分。该模型还支持在 Jetson AGX Thor、DGX Spark 和 Blackwell 数据中心芯片上运行，但目前仅处理录音，不支持直播；英伟达同时发布 Granary 2 开源语音数据集。