NVIDIA 发布开源语音模型 Nemotron 3.5 Transcribe 及 Granary v2 数据管线
NVIDIA Nemotron 3.5 Transcribe and Granary v2: Intelligent Multilingual Transcription You Can Prompt and Adapt
AI 导读
NVIDIA 发布开源权重语音模型 Nemotron 3.5 Transcribe，现已上线 Hugging Face 与 ModelScope。单一 checkpoint 支持 40 种语言转写、31 种语言与英文互译、13 种语言的说话人归属，以及音频问答，可处理最长 1 小时、最多 8 个说话人的录音。
推荐理由
官方发布披露了模型架构、各榜单成绩和开放微调配方，医疗案例里 45.8% 的相对 WER 降幅给出了可复用的领域适配路径。