近日，人工智能芯片与技术巨头英伟达正式开源了全新语音转录大模型 ——英伟达Nemotron3.5Transcribe。作为一款面向专业语音处理场景打造的前沿开源模型，它在多语言转录准确率、长音频处理及多说话人分离等核心指标上展现出了行业领先的实力。
在底层架构与核心参数方面，Nemotron3.5Transcribe 采用了先进的混合专家模型（MoE）架构。其总参数量约为340亿，而每次前向传播激活的参数量则为43亿，在确保强大推理能力的同时兼顾了运行效率。在音频处理能力上，该模型单次最高可处理长达1小时的连续录音文件，满足各类长音频、会议纪要以及访谈节目的转录需求。
在多语种支持与翻译能力上，该模型展现出了极强的全球化适应性:它不仅全面支持多达40种不同语言的精准语音转录，还支持其中31种语言与英语之间的双向互译，大幅拓宽了其在跨国交流与多语种内容处理中的应用场景。此外，针对多人对话这一长期困扰语音识别的痛点，该模型最多可同时区分高达8名不同的说话人，并实时完成声音的归属判定。
在权威基准测试与评测表现中，Nemotron3.5Transcribe 的表现同样亮眼:
在 Open ASR 的英语组评测中，其平均词错误率（WER）低至5.33%，在同类开放权重模型中高居榜首。
在 Artificial Analysis 的非流式测试中，其词错误率进一步缩减至2.8%，成功并列开源榜单的第一名。
整体来看，英伟达此次开源的 Nemotron3.5Transcribe 凭借其大体量参数、卓越的抗干扰分离能力及出色的多语种表现，为全球开发者和语音技术生态提供了一个强有力的新基座。
