Hugging Face Blog·· 3 小时前精选AI 评分55
NVIDIA 发布开源语音模型 Nemotron 3.5 Transcribe 及 Granary v2 数据管线
NVIDIA Nemotron 3.5 Transcribe and Granary v2: Intelligent Multilingual Transcription You Can Prompt and Adapt
来源与原文
Hugging Face Blog
发布时间：（北京时间）
阅读原始来源 · huggingface.co ↗完整链接与内容说明
https://huggingface.co/blog/nvidia/nemotron-transcribe-granary
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
NVIDIA 发布开放权重语音模型 Nemotron 3.5 Transcribe，将 40 种语言转录、31 种语言翻译、13 种语言说话人分离和音频问答合并到一个检查点，支持最长一小时录音和最多 8 个说话人，在 Hugging Face Open ASR Leaderboard 英文榜以 5.33% 平均 WER 位列开源模型第一。模型采用混合 Mamba–Transformer MoE 架构，30B 参数中每 token 仅激活约 4B，可单卡部署。同时开源 Granary v2 数据管线，覆盖 48 种语言共 463,062 小时；医疗案例中微调将 held-out WER 从 22.44% 降至 12.17%，相对下降 45.8%。
推荐理由
官方博客给出了完整的榜单成绩、模型架构和可复现的微调数据管线，读者可以据此评估落地路径。
来源：Hugging Face Blog · huggingface.co