开源项目

英伟达开源语音转文字模型 Nemotron 3.5 Transcribe:支持 40 种语言,能分清 8 个说话人

一次就能转写、区分说话人,还能按提示翻译成英文;权重已经放到 Hugging Face。

10 月 28 日,英伟达发布开放权重的语音转文字模型 Nemotron 3.5 Transcribe。

有什么亮点

  • 总参数 300 亿,每次只用其中约 40 亿,跑起来更省
  • 支持 40 种语言的录音转文字
  • 转写的同时标出最多 8 个不同的说话人,开会录音直接能用
  • 可以用一句提示让它翻译,比如「把这段音频翻译成英文」
  • 适合处理录好的音频,官方没有提到实时转写

在哪里能用

  • 模型权重在 Hugging Face 上搜 nvidia/NVIDIA-Nemotron-3.5-Transcribe-30B-A4B
  • Hugging Face 上也有在线试用页面
  • 英伟达同时更新了配套的开放语音数据集 Granary

对你意味着什么

会议纪要、访谈整理、视频字幕,又多了一个可以自己部署的免费选择。英伟达没有逐一列出 40 种语言,中文效果建议先拿一段录音试试。