语音这条线也卷起来了：NVIDIA 刚开源了 Nemotron 3.5 Transcribe，40 种语言的录音转文字，一次过完。 转录、说话人标注、翻译、… · @LJL06019 · TwKit

@LJL06019

语音这条线也卷起来了：NVIDIA 刚开源了 Nemotron 3.5 Transcribe，40 种语言的录音转文字，一次过完。 转录、说话人标注、翻译、问答全塞进一个模型：30B 的 MoE，实际激活才 4B，一张卡就能跑——从 Jetson 边缘设备到 Blackwell 数据中心卡都行。官方口径：一张 RTX PRO 6000 Blackwell 卡，NVFP4 精度下 100 小时音频不到 3 分钟跑完。 AA 那边说它在开源里跟 Mistral 的 Voxtral Small 并列第一（2.8% 词错率），激活参数只有对方的六分之一。唯一提醒：只认录音，不做实时流。 Agent 要耳朵，耳朵正在变便宜。#NVIDIA

曝光 272 · 评论 8 · 点赞 4 · 书签 0