英伟达开源语音转录模型 Nemotron 3.5 Transcribe

英伟达近日开源语音转录模型 Nemotron 3.5 Transcribe。该模型采用混合专家架构，总参数量约340亿，每次前向传播激活约43亿参数，单次可处理最长1小时的音频。模型支持40种语言转录，并支持其中31种语言与英语双向互译，最多可区分8名说话人。在 Open ASR 英语组评测中，其平均词错误率为5.33%；在 Artificial Analysis 非流式测试中，词错误率为2.8%，并列开源榜单第一。