NVIDIA Nemotron 3.5 Transcribe 开源权重模型正式发布

NVIDIA 已经正式对外推出 Nemotron 3.5 Transcribe 开源权重模型，这款语音大模型面向多说话人语音转录场景开放全部权重文件，开发者可以直接下载使用，不用再依赖闭源接口。这款模型之所以能获得行业关注，核心原因是它把语音转录、语种识别、说话人区分功能整合到同一个模型里，不再需要串联多个独立模型，大幅简化了部署流程。在模型训练环节，研发团队只做一轮有监督微调，再搭配简短的强化学习优化，整体训练链路简洁高效，普通研发团队也能复现训练流程。在实际使用阶段，用户可以直接选用 BF16、FP8、NVFP4、GGUF 多种量化版本，既可以在云端 GPU 运行，也能适配本地硬件，同时配套 NeMo Speech 工具包，支持自定义微调与智能语音业务开发。综合来看，Nemotron 3.5 Transcribe 凭借多语种能力、高转录精度与多版本权重开放，成为当前开源语音转录领域的优选模型。

一、模型基础参数清单

1. 基础版本：Nemotron-3.5-Transcribe-30B-A4B
2. 支持语种：覆盖 40 种语言，自带口语语种自动识别能力
3. 可用权重格式：BF16、FP8、NVFP4、GGUF
4. 开源协议：OpenMDW-1.1
5. 配套工具：NeMo Speech 微调开发套件

二、核心能力明细

1. 转录能力：支持逐字原文转录、书面化文本输出，可输出带说话人标记的字级时间戳，支持多人重叠语音识别
2. 附加功能：语音翻译、口语语种识别，能够识别音频里人声、环境音、音乐内容
3. 精度表现：英文语音词错误率低至 4.71%，多语种场景词错误率为 4.62%；配合实体词列表，专有名词识别错误可以直接降低六倍，达到同级别开源模型顶尖水准

三、部署落地步骤

1. 前往 Hugging Face 平台，下载 Nemotron 3.5 Transcribe 对应量化权重文件
2. 安装 NeMo Speech 开发工具包，配置 NVIDIA GPU 运行环境
3. 选择推理框架，vLLM、SGLang、Ollama、llama.cpp 都可以直接加载模型
4. 调用接口开启语音转录任务，开启说话人区分与时间戳输出选项
5. 按需使用 LoRA 微调或者全参数微调，适配会议录音、客服通话等垂直场景

四、适用业务场景

• 线上会议实时字幕生成
• 客服通话录音文字整理与说话人区分
• 多语种视频音频文稿批量转写
• 线下访谈录音的精细化文字归档

【相关 FAQ】

问题 1：Nemotron 3.5 Transcribe 开源权重模型包含哪些量化版本？

回答 1：Nemotron 3.5 Transcribe 开源权重模型提供 BF16、FP8、NVFP4、GGUF 四种权重版本，能够适配云端大算力 GPU 和本地轻量化硬件。

问题 2：Nemotron 3.5 Transcribe 开源权重模型最多支持多少种语言转录？

回答 2：Nemotron 3.5 Transcribe 开源权重模型一共支持 40 种语言，同时自带自动语种识别功能，不需要提前手动选定语种。

问题 3：Nemotron 3.5 Transcribe 开源权重模型可以完成多人重叠语音识别吗？

回答 3：Nemotron 3.5 Transcribe 开源权重模型可以完成多人重叠语音识别，它是首款在该任务上超越级联式专用系统的语音大模型。

【数据来源】

[2026-10-07]《Nemotron 3.5 ASR：低延迟流式语音识别方案》NVIDIA 开发者社区

[2026-06-11]《Nemotron 3.5 Transcribe 技术报告》NVIDIA 官方研究文档

[2026-06-04]《全新 Nemotron 语音模型开放权重资源》英伟达中文官网

免责声明：本文仅为技术资讯内容，所有模型性能数据均来自官方公开技术文档；模型使用需要严格遵循 OpenMDW-1.1 开源协议条款，用户自主承担模型部署与二次开发带来的相关责任。