简讯 发布于：上午8:00 PDT · 2026年10月28日 图片来源：TechCrunch/人工智能生成 英伟达在周三发布了Nemotron 3.5 Transcribe，这是一个免费的开放权重模型，能转录多达40种语言的音频。它还发布了Granary的第2版，这是其开源语音数据集。英伟达声称，Nemotron 3.5能够在英语和31种语言之间翻译，处理长达一个小时的录音，并能区分多达八位说话者。它声称在基准测试中超越了竞争对手，包括Hugging Face的开放自动语音识别排行榜。这些工具主要面向开发人员，帮助他们建立用于商务会议和医学转录的应用程序，这两者是人工智能在职场中最为成熟的领域之一。英伟达表示，开发人员可以使用该模型、更新后的Granary数据集以及诸如其NeMo语音模型等工具，自定义应用以识别每种语言中行业的术语。一个缺点是：转录功能仅适用于录制的音频，而不适用于实时流媒体。不过，该公司承诺，Transcribe在300亿参数下，可以在单个芯片上运行，从Jetson AGX Thor机器人控制器和驱动新笔记本电脑的DGX Spark芯片，到Blackwell数据中心芯片。它加入了英伟达的开放权重语音模型，包括超级小但功能强大的鹦鹉模型（11亿参数）。英伟达的最新语音产品在人工智能语音发布的繁忙时期推出：Mistral本月早些时候发布了Voxtral 3；ElevenLabs推出了实时语音代理的实时功能；而Salesforce发布了其语音模型Launa-Omni。话题 订阅该行业最大科技新闻 最新的人工智能动态