英伟达发布并开源语音模型Nemotron 3.5 Transcribe，总参数量约340亿、每次推理激活约43亿，支持40种语言和最长1小时录音。该模型在英文语音识别9个公开测试集上平均WER为4.71%，优于Qwen3-ASR-1.7B的4.94%，并可通过自然语言指令切换逐字转写、说话人标注、语音翻译等六种输出形态。
🔗 阅读原文
via 无言AIGC · https://aihot.wuyanshuo.cn/items/vtnc32u977dac407di9r2rf59
英伟达发布并开源语音模型Nemotron 3.5 Transcribe，总参数量约340亿、每次推理激活约43亿，支持40种语言和最长1小时录音。该模型在英文语音识别9个公开测试集上平均WER为4.71%，优于Qwen3-ASR-1.7B的4.94%，并可通过自然语言指令切换逐字转写、说话人标注、语音翻译等六种输出形态。
🔗 阅读原文
via 无言AIGC · https://aihot.wuyanshuo.cn/items/vtnc32u977dac407di9r2rf59