NVIDIA 发布开源语音模型 Nemotron 3.5 Transcribe 与 Granary v2

2026 年 10 月 28 日，Hugging Face 博客（一手消息）报道，NVIDIA 发布开源权重语音模型 Nemotron 3.5 Transcribe。该模型将语音转录、说话人分离、翻译和音频问答集成到单一模型中，支持 40 种语言的转录、31 种语言与英语互译、13 种语言的说话人标注，可处理最长 1 小时、最多 8 个说话人的录音，并可通过提示词指定任务。同日报道还提到 NVIDIA 一并发布了 Granary v2 数据管线。当晚 TechCrunch 和 The Decoder 相继跟进报道，内容与一手报道一致：TechCrunch 称该模型为免费开放权重、支持最多 40 种语言转录，并同步发布开源语音数据集 Granary 2；The Decoder 则描述了同一模型可通过单一提示词完成转写、英译、说话人识别和录音问答。各方报道未出现相互矛盾的说法。目前事件仍处于发布阶段，暂无更多后续跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。