产品发布核心信息 - 英伟达周三发布Nemotron 3.5 Transcribe，这是一款免费、开放权重的模型，能够转录多达40种语言的音频 [1][3] - 公司同时发布了开源语音数据集Granary的第二版 [1][3] - Nemotron 3.5能够实现31种语言与英语之间的双向翻译，处理时长最长达1小时的录音，并区分最多8名说话者 [1][3] - 公司声称该模型在多个基准测试中超越竞争对手，包括Hugging Face的Open ASR Leaderboard（开放式自动语音识别排行榜）[1][3] 目标应用场景 - 这些工具主要面向开发者，帮助构建用于商务会议和医疗语音转录的应用，这两个领域是人工智能在职场中应用最成熟的场景之一 [1][3] - 开发者可结合使用该模型、更新后的Granary数据集以及NeMo Speech等工具，定制应用程序，使其能够识别不同语言中特定行业的专业术语 [1][3] 技术规格与硬件适配 - Transcribe模型拥有300亿参数，能够在单颗芯片上运行 [2][4] - 适用硬件包括Jetson AGX Thor机器人控制器、为新款笔记本电脑提供算力的DGX Spark芯片，以及用于数据中心的Blackwell系列芯片 [2][4] - 该模型加入英伟达开放权重语音模型阵营，其中包括体积极小但性能强劲的Parakeet多语言语音识别模型，其参数量为11亿 [2][5] 产品局限性 - Transcribe只能处理已经录制的音频，无法转录实时音频流 [1][3] 行业竞争动态 - 英伟达推出新语音模型正值人工智能语音技术密集发布之际 [2][5] - 本月早些时候，Mistral发布了Voxtral 3 [2][5] - ElevenLabs推出了Realtime，可为语音智能体提供即时语音处理能力 [2][5] - Salesforce发布了自己的语音模型Launa-Omni [2][5]