模型 發布日期：
NVIDIA 開放 Nemotron 3.5 Transcribe：活躍參數 4.3B，一個模型處理 40 種語言轉錄、講者標記與翻譯
發生什麼事
NVIDIA 在 10 月 28 日釋出 Nemotron 3.5 Transcribe，這是可用提示詞操作的開放權重語音模型，授權為 OpenMDW-1.1。同一個模型就能轉錄 40 種語言、其中 31 種可與英文互譯、13 種可標記講者，最多標記八位講者，也能回答音訊內容的問題，單段錄音最長一小時。活躍參數約 43 億，Hugging Face 上有 BF16、FP8 與 NVFP4 版本。它是離線模型，不是即時串流服務。
對地端使用者的意義：會議轉錄、講者標記和翻譯現在可以用同一個模型留在自己的機器上完成，不必串好幾個模型；NVFP4 權重 21.6 GB，工作站顯示卡也值得評估。
三種角度看這則新聞
市場怎麼看
NVIDIA 表示，它在 Artificial Analysis 的開放權重模型中排第二，活躍參數比第一名少 80%；在 Hugging Face Open ASR 排行榜的英文項目，則是開放權重模型第一。把轉錄、講者分離和翻譯包在一起，可能壓縮專門語音流程的空間，也多給買家一個選 NVIDIA 硬體的理由，因為這個模型就是為 NVIDIA 顯示卡設計的。
白話版
錄下一場會議，再告訴這個 AI 你要什麼：標好誰說了什麼的逐字稿、翻譯，或決議清單。它可以在自己的電腦上跑，就像一位不會把錄音帶出公司的秘書；不過它處理的是錄好的檔案，不是現場即時語音。
業內觀點
權重大小為 BF16 67.5 GB、FP8 34.7 GB、NVFP4 21.6 GB；模型卡列出 RTX 5090 可跑 NVFP4，執行環境是 Linux 或 WSL2 上的 vLLM 0.32.0 加 NeMo Speech main 分支，支援的顯示卡也能透過 GGML 在 Windows 原生執行。NVIDIA 公布的 2,238 倍即時速度來自它的 NIM，開源 vLLM 整合預期慢約兩倍。輸入是 16 kHz 單聲道；中文普通話標示為 Supported，代表可能需要微調。
訂閱小芽週報
每週一封：本週重點新聞與小芽洞察摘要。隨時可以取消。
來源
閱讀官方原文：NVIDIA Nemotron 3.5 Transcribe model card (Hugging Face) ↗摘要由地端世界依官方來源撰寫，附上原文連結，不轉載原文。