英伟达开放 Nemotron 3.5 Transcribe 权重
据钛媒体早报,英伟达开放了 Nemotron 3.5 Transcribe 模型权重。这是一款总参数约340亿、每次前向激活约43亿的MoE开放权重语音模型,可在单一检查点中完成转录、说话人归属、翻译、单词级时间戳和音频问答。
该模型将多项语音功能整合为可本地运行的开源权重工具,为智能体和边缘应用提供了新的多语言语音基础。
摘自汇总《Edge AI Daily 早报(10月31日)》
1.产品:英伟达于2026年10月28日正式开放Nemotron 3.5 Transcribe模型权重,采用MoE架构,总参数约340亿、每次前向仅激活约43亿;将转录、说话人归属、翻译、单词级时间戳乃至音频问答整合进单一检查点,支持40种语言转录、31种语言与英语互译、单次处理1小时录音并区分最多8名说话人,以OpenMDW-1.1许可开放,单卡即可本地运行。
2.数据与趋势:在Hugging Face Open ASR英语组平均词错误率5.33%,居开放权重模型首位,Artificial Analysis测试下约40亿激活参数对应AA-WER 2.8%,位于准确率与激活参数的帕累托前沿;配套开放Granary v2数据清洗流水线,覆盖463,062小时、48种语言(较上一代25种近乎翻倍),意在用更低推理成本与数据可控性撬动闭源语音API的按量计费模式。
3.观点:该模型隶属Nemotron 3.5开放家族(同期另有可本地运行的300亿参数Nemotron 3.5 Lightning),定位为智能体的“耳朵”,配合微调工具、数据流水线把部署推向边缘与本地,最终导向英伟达GPU需求;文章判断开源语音基座时代来临,闭源API护城河收缩至成本与信任,但实时流式转录、极端噪声与超长会议仍待验证,OpenMDW-1.1的商业边界亦待明确。
(广角观察、Edge AI Daily等综合整理)
#NVIDIA#Nemotron 3.5 Transcribe#Granary v2#OpenMDW-1.1#Hugging Face#ModelScope