NVIDIA 开源 Nemotron 3.5 Transcribe：能认 8 人说话，可用提示词控制
NVIDIA 发布开源语音大模型 Nemotron 3.5 Transcribe。它把转录、区分说话人、翻译和语音问答装进同一个模型，支持 40 种语言转录与 1 小时长音频，最多区分 8 位发言者。模型采用 MoE 架构，300 亿总参数每次仅激活约 40 亿，在多项开源基准上登顶。
NVIDIA 发布开源语音大模型 Nemotron 3.5 Transcribe。它把转录、区分说话人、翻译和语音问答装进同一个模型，支持 40 种语言转录与 1 小时长音频，最多区分 8 位发言者。模型采用 MoE 架构，300 亿总参数每次仅激活约 40 亿，在多项开源基准上登顶。