NVIDIA Nemotron 3.5 Transcribe与Granary v2发布：可提示可适配，支持40种语言登顶多项排行榜
talkingdev • 2026-10-29
3152 views
NVIDIA近期在Hugging Face发布Nemotron 3.5 Transcribe开放权重模型，将自动语音识别能力扩展至多语言转录、翻译、说话人归属和音频问答等任务。该模型在多个转录与说话人归属排行榜中排名第一，支持最多40种语言，并在多项测试中保持较低错误率，适合需要跨语种、多说话人分离和语音交互的应用场景。配套的Granary v2框架提供可复用的数据管道与微调能力，开发者可针对医疗、法律、金融等专业词汇或特定口音进行定制训练，降低从通用模型到生产系统的工程成本。开放权重策略也意味着企业能够本地化部署，减少对闭源API的依赖。整体来看，这套方案把前沿语音AI从单一转录推向可提示、可适配的智能音频理解工作流，对语音助手、会议纪要、内容审核和跨语言沟通等场景具有较强示范意义。
核心要点
- Nemotron 3.5 Transcribe在多个转录和说话人归属排行榜排名第一，支持最多40种语言。
- 模型集成多语言转录、翻译、说话人归属和音频问答，拓展了语音AI任务边界。
- Granary v2提供可复用数据管道和微调选项，便于行业定制与本地化部署。