NVIDIA 開源 Nemotron 3.5 Transcribe：能認 8 人說話，可用提示詞控制
NVIDIA 釋出開源語音大模型 Nemotron 3.5 Transcribe。它把轉錄、區分說話人、翻譯和語音問答裝進同一個模型，支援 40 種語言轉錄與 1 小時長音訊，最多區分 8 位發言者。模型採用 MoE 架構，300 億總引數每次僅啟用約 40 億，在多項開源基準上登頂。
NVIDIA 釋出開源語音大模型 Nemotron 3.5 Transcribe。它把轉錄、區分說話人、翻譯和語音問答裝進同一個模型，支援 40 種語言轉錄與 1 小時長音訊，最多區分 8 位發言者。模型採用 MoE 架構，300 億總引數每次僅啟用約 40 億，在多項開源基準上登頂。