英伟达周三发布了 Nemotron 3.5 Transcribe，这是一款免费、开放权重的模型，最多可将40种语言的音频转写成文字。公司同时还发布了其开源语音数据集 Granary 的2.0版。

英伟达称，Nemotron 3.5 可以在31种语言与英语之间互译，处理最长一小时的录音，并区分最多8位说话者。公司还表示，该模型在包括 Hugging Face 的 Open ASR Leaderboard 在内的基准测试中优于竞争对手。

这些工具面向开发者，目标是为商务会议和医疗转录等场景构建应用；这两类场景也是 AI 在职场中最成熟的落地领域之一。英伟达表示，开发者可以使用这款模型、更新后的 Granary 数据集，以及 NeMo Speech 等工具，定制应用以识别各语言中的行业术语。一个缺点是：Transcribe 只能处理录制音频，不能用于直播流。

不过，英伟达称，这款拥有300亿参数的 Transcribe 可以在单芯片上运行，适用于从 Jetson AGX Thor 机器人控制器、为新款笔记本提供算力的 DGX Spark 芯片，到 Blackwell 数据中心芯片等平台。它加入了英伟达的开源语音模型阵容，其中包括体积很小但性能强劲的 Parakeet，后者拥有11亿参数。

英伟达最新的语音产品发布，正值 AI 语音领域密集推出新产品之际：Mistral 本月早些时候推出了 Voxtral 3；ElevenLabs 发布了用于语音智能体即时语音的 Realtime；Salesforce 也发布了其语音模型 Launa-Omni。