AI 资讯速递 (2026/10/30)： 英伟达开源语音大模型 Nemotron 3.5 Transcribe

资讯详情

英伟达于10月27日通过GitHub平台开源了其语音转录模型Nemotron 3.5 Transcribe。该模型基于混合专家（MoE）架构设计，在语音识别与跨语言翻译领域展现出显著性能提升。

• 【MoE架构突破】：模型总参数量达340亿级，在推理时可激活43亿参数的专家子集，通过动态计算资源分配实现效率与精度平衡。
• 【多语种处理能力】：支持40种语言转录及其中31种语言与英语互译功能，并具备区分最多8名说话人的实时归属识别能力。
• 【部署成本优化】：采用模块化设计降低部署门槛，在RTX 4090显卡上可完成1小时音频处理任务，相较传统方案减少约60%硬件需求。

---

AI-ALL 深度点评

Nemotron 3.5 Transcribe的开源标志着语音AI进入规模化应用新阶段。其MoE架构在保持低延迟的同时实现高精度转录（Open ASR英语组平均词错误率5.33%），直接挑战Meta Whisper系列在开源领域的主导地位。

该模型对开发者生态具有三重价值：

1. 跨语言工程简化：通过统一框架处理40种语言及翻译需求
2. 多说话人场景覆盖：实时归属识别功能可直接应用于会议记录等复杂场景
3. 算力成本重构：4090级显卡即可运行大模型推理任务

值得注意的是，在非流式任务中其2.8%的词错误率已超越多数商业解决方案。这种开放策略或将加速语音技术在教育、医疗等垂直领域的渗透进程。