英伟达发布开源语音转文字模型 Nemotron 3.5，支持40种语言但仅限录音文件
英伟达推出300亿参数开源语音模型及Granary数据集v2，主打单芯片运行与多语言转录，但不支持实时音频流。
美国芯片制造商英伟达（Nvidia）于2026年10月28日发布了 Nemotron 3.5 Transcribe，这是一个拥有300亿参数的免费开源权重语音转文字模型。该模型支持多达40种语言的音频转录，并声称能在包括 Jetson AGX Thor 机器人控制器、DGX Spark 笔记本芯片以及 Blackwell 数据中心芯片在内的单一硬件上运行。
除了模型本身，英伟达还发布了其开源语音数据集 Granary 的第二版。据 TechCrunch 报道，Nemotron 3.5 能够处理长达一小时的录音，区分最多八位说话者，并将31种语言翻译成英语或从英语翻译出来。英伟达称其在 Hugging Face 的 Open ASR Leaderboard 等基准测试中超越了竞争对手。
这一工具主要面向构建商务会议记录和医疗转录应用的企业开发者。然而，该模型存在一个显著限制：它仅适用于已录制的音频文件，不支持实时直播流（livestreams）。这意味着在需要即时交互的场景中，开发者仍需依赖其他提供实时能力的竞争产品，如 ElevenLabs 或 Mistral 的最新版本。