☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
近日，全球领先的人工智能计算公司英伟达正式对外开源其最新一代语音转录大模型——Nemotron 3.5 Transcribe。该模型专为高精度、多场景语音理解任务设计，已在多语言识别准确率、超长音频处理能力以及复杂多人对话分离等关键维度上达到业界顶尖水平。
在模型架构与规模方面，Nemotron 3.5 Transcribe 基于高效的混合专家（MoE）结构构建，整体参数量约为340亿，而单次推理过程中实际激活的参数为43亿，在保障强大建模能力的同时显著提升了计算效率与部署灵活性。在音频时长支持方面，模型原生支持单段最长60分钟的连续语音输入，适用于会议记录、播客整理、学术访谈等多种真实业务场景。
在语言覆盖与跨语言处理能力上，该模型展现出卓越的国际化特性：可精准识别并转录涵盖全球主要语系的40种语言；其中，31种语言支持与英语之间的双向自动翻译，极大增强了其在国际协作、本地化内容生成及多语种媒体分析等领域的实用性。尤为值得一提的是，面对传统语音识别中极易混淆的多人重叠发言场景，该模型最多可同步区分8位不同说话人，并实现毫秒级声纹归属判断，有效破解“抢话”“插话”等难题。
权威评测结果进一步印证了其技术实力：
大模型 Token 成本节约工具。在请求到达大模型之前自动压缩 prompt 和上下文，减少 60-95% 的 token 消耗，直接降低 API 成本。支持 Claude/OpenAI/Gemini 等主流模型，提供代理模式、CLI 包装、Python SDK 和 MCP Server 四种接入方式。内置一键安...
在 Open ASR 英语语音识别基准测试中，模型平均词错误率（WER）仅为5.33%，在所有公开权重模型中排名第一。
在 Artificial Analysis 组织的非流式语音识别评测中，其 WER 低至2.8%，与当前最优开源方案并列榜首。
综上所述，英伟达推出的 Nemotron 3.5 Transcribe 不仅以超大规模参数和先进架构夯实了语音理解的技术底座，更通过领先的多说话人分离能力与广泛的多语言支持，为开发者、研究机构及企业级用户提供了高性能、高兼容性、高可用性的新一代语音AI基础设施。
