近日，人工智能芯片與技術巨頭英偉達正式開源了全新語音轉錄大模型 ——英偉達Nemotron3.5Transcribe。作爲一款面向專業語音處理場景打造的前沿開源模型，它在多語言轉錄準確率、長音頻處理及多說話人分離等核心指標上展現出了行業領先的實力。

在底層架構與核心參數方面，Nemotron3.5Transcribe 採用了先進的混合專家模型（MoE）架構。其總參數量約爲340億，而每次前向傳播激活的參數量則爲43億，在確保強大推理能力的同時兼顧了運行效率。在音頻處理能力上，該模型單次最高可處理長達1小時的連續錄音文件，滿足各類長音頻、會議紀要以及訪談節目的轉錄需求。

在多語種支持與翻譯能力上，該模型展現出了極強的全球化適應性:它不僅全面支持多達40種不同語言的精準語音轉錄，還支持其中31種語言與英語之間的雙向互譯，大幅拓寬了其在跨國交流與多語種內容處理中的應用場景。此外，針對多人對話這一長期困擾語音識別的痛點，該模型最多可同時區分高達8名不同的說話人，並實時完成聲音的歸屬判定。

在權威基準測試與評測表現中，Nemotron3.5Transcribe 的表現同樣亮眼:

在 Open ASR 的英語組評測中，其平均詞錯誤率（WER）低至5.33%，在同類開放權重模型中高居榜首。

在 Artificial Analysis 的非流式測試中，其詞錯誤率進一步縮減至2.8%，成功並列開源榜單的第一名。

整體來看，英偉達此次開源的 Nemotron3.5Transcribe 憑藉其大體量參數、卓越的抗干擾分離能力及出色的多語種表現，爲全球開發者和語音技術生態提供了一個強有力的新基座。