新模型 2026-10-29 英伟达开源 Nemotron 3.5 Transcribe:一个模型搞定转录、翻译和说话人分辨 来源:英伟达官方博客 / Hugging Face 一句话说清:英伟达开源了一款语音模型 Nemotron 3.5 Transcribe,给它一段录音,用一句话下指令就能转录、翻译、还能分出「谁在什么时候说话」,支持 40 种语言。 发生了什么10 月 28 日,英伟达发布并开源 Nemotron 3.5 Transcribe,这是个「开放权重」的语音模型,权重已经在 Hugging Face 上放出。以前做语音处理要分开用好几个工具:转录一个、翻译一个、分辨说话人又一个;现在一个模型包了:转录、说话人分辨(谁说的)、翻译、还能针对录音回答问题。用大白话下指令就行,比如:「把这段录音转成文字并标出每个说话人」「把这段音频翻译成英文」「这场会议做了哪些决定?」它能处理最长约 1 小时的录音,标出最多 8 个说话人,支持 40 种语言转录、其中 31 种能和英文互译。因为权重开放,开发者可以自己决定把音频放哪处理(本地电脑或云端都行),还能针对医疗、金融这类专业词做微调。 对我有什么用开会、上课、采访有录音的,可以用它一键出带「谁说了什么」的文字稿,比纯听录音省太多时间。做字幕、整理访谈、把外语视频翻成中文稿,这类重复活会轻松很多。它是开源的,开发者能免费拿去跑,普通人体验可以等集成了它的工具(比如会议助手、笔记软件)。 我可以怎么做普通用户:先观望,等讯飞、腾讯会议、飞书这类工具把它能力集成进来再用最省事。开发者:去 Hugging Face 搜 NVIDIA-Nemotron-3.5-Transcribe-30B-A4B 下载权重,按官方示例跑。想本地跑:它能在 RTX 显卡、DGX Spark 等设备上部署,适合对隐私要求高的场景。 温馨提醒语音模型不是百分百准,人名、专业词、谁在说话这些,务必和原录音核对一下再当真。开源模型可以本地跑,敏感录音别随便丢到不靠谱的第三方网站处理。别信「Nemotron 转录神器付费激活码」这类广告,官方权重是免费开放的。 转发 评论 点赞 收藏 📤 一键转发小助手 帮你写好小红书文案、微信推荐语,还配一张中文海报,复制就能发 分享给朋友 评论 收起 📕 折叠快讯 下一条快讯 ➜