NeMo

英伟达发布Nemotron 3.5语音模型及Granary v2数据管道

英伟达推出开源可提示语音模型Nemotron 3.5 Transcribe，将转录、说话人识别、翻译和音频问答整合于单一检查点，支持40种语言转录、31种语言与英语互译、13种语言说话人识别，可处理长达一小时、最多8名说话人的录音。该模型在Hugging Face开放权重ASR英文榜单位居首位，并同步发布Granary v2多语言数据管道和NeMo微调工具，支持按领域词汇和口音进行适配。