Nvidia Nemotron 3.5：40 语种语音全能王
Nvidia Nemotron 3.5 Transcribe: open ASR for 40 languages
Nvidia 推出了全新的 Nemotron 3.5 Transcribe 模型，这是一个集成了转录、说话人归因、翻译和音频问答能力的开源权重模型。它支持 40 种语言的语音识别，能在 Hugging Face Open ASR Leaderboard 等权威榜单上领跑开源模型。配合 Granary v2 数据管道，开发者不仅能通过自然语言指令灵活控制输出格式，还能针对医疗等垂直领域进行微调，显著降低错误率。从 1940 年的经典电影快速对话到现代医疗记录，该模型在单卡 Nvidia GPU 上即可高效运行，重新定义了多语言语音处理的边界。
转录可以捕捉每一个说出的单词，却仍让用户或应用困惑于谁说了什么、如何翻译，或如何格式化特定领域的术语。