NVIDIA 开放 Nemotron 3.5 Transcribe：转写、分说话人和翻译一次完成

NVIDIA 10 月 28 日在 Hugging Face 发布 Nemotron-3.5-Transcribe-30B-A4B，一个混合专家结构的语音模型，用提示词控制输出，同一个权重可做转写、标注说话人、翻译或回答关于录音的问题。模型卡写明总参数 34B（含音频编码器），激活约 4.3B，支持 40 种语言，单条录音最长 1 小时，许可证为 OpenMDW-1.1。

要点

• Open ASR Leaderboard 英文 9 个数据集平均 WER 4.71，多语言 7 种语言平均 4.62
• 主要服务方式为 vLLM 0.32.0 加 NeMo Speech，也列出 Transformers 和 GGML
• 模型卡给出的部署配置是 1 张 H100 80GB；音频理解和指令遵循只在英文上评测过
• 同时发布 Granary v2 语音数据集

来源

### [NVIDIA 开放 Nemotron 3.5 Transcribe：转写、分说话人和翻译一次完成]({{URL}})

NVIDIA 10 月 28 日在 Hugging Face 发布 Nemotron-3.5-Transcribe-30B-A4B，一个混合专家结构的语音模型，用提示词控制输出，同一个权重可做转写、标注说话人、翻译或回答关于录音的问题。模型卡写明总参数 34B（含音频编码器），激活约 4.3B，支持 40 种语言，单条录音最长 1 小时，许可证为 OpenMDW-1.1。

- Open ASR Leaderboard 英文 9 个数据集平均 WER 4.71，多语言 7 种语言平均 4.62
- 主要服务方式为 vLLM 0.32.0 加 NeMo Speech，也列出 Transformers 和 GGML
- 模型卡给出的部署配置是 1 张 H100 80GB；音频理解和指令遵循只在英文上评测过
- 同时发布 Granary v2 语音数据集

**为什么值得关注**：会议录音转写、需求访谈整理是能用上的场景，但显存要求较高，需要评估现有 GPU 是否够用；中文效果需自行验证。

来源：[nvidia/NVIDIA-Nemotron-3.5-Transcribe-30B-A4B 模型卡](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Transcribe-30B-A4B)；[Nvidia releases all-in-one adaptable Nemotron 3.5 audio transcription and translation model](https://siliconangle.com/2026/10/28/nvidia-releases-all-in-one-adaptable-nemotron-3-5-audio-transcription-and-translation-model/)