英伟达发布Nemotron 3.5 Transcribe开源转录模型，支持40种语言

一句话看懂：英伟达于2026年10月28日发布开源权重模型Nemotron 3.5 Transcribe，支持最多40种语言转录，并更新开源语音数据集Granary 2，瞄准商务会议与医疗转录等开发者场景。

事件核心：发生了什么

英伟达周三推出Nemotron 3.5 Transcribe，这是一款免费、开放权重的语音转录模型，可处理最多40种语言的录音，并支持31种语言与英语互译。官方称其可区分最多8名说话人、处理长达1小时的录音，在Hugging Face开放ASR排行榜等基准测试中优于竞品。同步发布的Granary 2是更新版开源语音数据集。该模型参数规模为300亿，需注意它只处理已录制音频，不支持实时直播流。英伟达表示，配合NeMo Speech等工具，开发者可针对各语言下的行业术语做定制。

为什么重要

语音AI近期密集上新：Mistral本月早些时候推出Voxtral 3，ElevenLabs上线面向语音代理的Realtime，Salesforce发布Launa-Omni。英伟达此时以开放权重切入转录赛道，延续其Parakeet等开源语音模型路线，意在把开发者留在自家生态中。更关键的是部署灵活性：官方称该模型可运行在单颗芯片上，覆盖Jetson AGX Thor机器人控制器、DGX Spark笔记本芯片到Blackwell数据中心芯片，这对需要本地推理、数据不出内网的行业客户有吸引力。

对用户/开发者/创作者的影响

对开发者而言，开放权重意味着可下载、微调和私有部署，适合会议记录、医疗听写等对合规敏感的场景，并可用行业术语数据做二次训练。对普通用户和创作者，短期内更可能通过集成该模型的应用间接受益，而非直接使用。企业采购时应留意：它面向录音文件而非实时转写，直播字幕、实时语音助手等场景需另选方案；基准领先的结论目前仅基于英伟达说法和特定评测条件，尚待独立复现。