AI 模型
英伟达开源 Nemotron 3.5 Transcribe：30B MoE、每 token 激活 4B，单模型做转录／说话人分离／翻译／音频问答
英伟达 10 月 28 日发布开放权重语音模型 Nemotron 3.5 Transcribe 与 Granary v2 数据集。模型 30B 参数、每 token 激活约 4B，支持 40 种语言转录、31 种语言与英文互译、13 种语言说话人分离，最长 1 小时音频、最多 8 个说话人，可用自然语言 prompt 指定术语。官方称其在 Hugging Face Open ASR Leaderboard 英文榜的开放权重模型中排第一，并用即将发布的 NVFP4 量化版在单张 RTX PRO 6000 Blackwell 上 3 分钟内处理 100 小时音频。
对 AI 使用者意味着什么
开源语音方案进入可当生产工具的单卡价位；「100 小时 3 分钟」依赖尚未发布的量化版与高并发切片，不能按整段长音频换算。
来源：Hugging Face Blog：NVIDIA Nemotron 3.5 Transcribe and Granary v2 ↗ 原文链接
有具体工作流问题？联系咨询。新闻本身免费阅读。