Nvidia 开源 Nemotron 3.5 Transcribe 结合转录 翻译和说话人识别

Nvidia 发布开源语音识别模型 Nemotron 3.5 Transcribe，该模型支持 40 种语言转录，31 种语言互译，并识别 13 种语言中的说话人，可处理长达一小时的录音。该模型拥有 300 亿参数，但每处理步骤仅激活约 40 亿参数，可在单张 Nvidia GPU 上运行，并在 Hugging Face 英文 Open ASR Leaderboard 上位居开源模型第一。