--- title: "NVIDIA 開源 Nemotron 3.5 Transcribe 一個模型兼任轉錄翻譯與辨識講者" url: https://sammy.hk/nvidia-nemotron-transcribe-model/ author: Ethan published: 2026-10-29T20:39:00+08:00 modified: 2026-10-29T09:53:44+08:00 description: "NVIDIA 於2026年10月28日發布 Nemotron 3.5 Transcribe，這是一個開放權重、可用自然語言指令引導的語音模型，已上架 Hugging Face 與 ModelScope[1]。模型支援40種語言翻譯、31種語言與英文互譯，以及13種語言的講者分離，可處理長達一小時、最多八位講者的錄音[1…" categories: [AI] tags: [Hugging Face, Nemotron, Nvidia, "語音轉錄", "開源模型"] source: https://sammy.hk --- ![NVIDIA 開源 Nemotron 3.5 Transcribe 一個模型兼任鍵盤翻譯與識別講者](https://sammy.hk/wp-content/uploads/2026/10/og_35589.jpg)NVIDIA 於2026年10月28日發布 Nemotron 3.5 Transcribe，這是一個開放權重、可用自然語言指令引導的語音模型，已上架 Hugging Face 與 ModelScope\[1\]。模型支援40種語言翻譯、31種語言與英文互譯，以及13種語言的講者分離，可處理長達一小時、最多八位講者的錄音\[1\]。官方同步開源 Granary v2 數據流程與微調框架，讓開發者按行業詞彙自行調整\[1\]。 ## 單一檢查檢驗多種輸出 NVIDIA 指出，同一段會議錄音可以按指令產生不同結果，例如要求逐字翻譯並標示講者、要求翻譯成英文，或直接詢問會議作出了哪些決定\[1\]。模型結合 Sortformer 講者線索與聲學特徵，在生成階段即標示每一句發言，而非事後另行講者釘回針\[1\]。遇到殘生詞語時，官方建議先在指令中列出候選詞並要求只在錄音支持時使用，而非立即重新訓練\[1\]。 ## 開源組別排名與錯誤率 在 Hugging Face Open ASR Leaderboard 的英文組別，Nemotron 3.5 Transcribe 以平均5.33% 字錯率在開放權重模型中排第一，即時因子為462.09\[1\]。同一檔模型卡比較顯示，它在七種語言的多語組別平均字錯率為4.62%，長音頻組別為10.98%，兩者均為受評開放權重模型中最低\[1\]。 Artificial Analysis 的獨立評測中，它以約2.8% 的 AA-WER 與另一個開放權重模型並列第一，但活躍參考數約為40萬，對手為240萬；在語音代理指標一半的語音代理測試集 AA-AgentTalk 上，它的字錯率為1.8%，次佳開放模型為2.3%\[1\]。模型總參數量為300億，採用混合 Mamba 與 Transformer 的專家混合架構，每個 token 只啟動約40億參數\[1\]。 講者識別方面，它在 David AI 的21語言基準中整體講者分離錯誤率為18.26%，為14個受測系統中最低，險勝 NVIDIA 自家的 Nemotron 3 Diarization（18.38%）\[1\]；在 VoiceArena 的英文完整會議比較中，它以32.4% 的 cpWER 排第一，漏字比率為8.32%，遠低於約31% 的中位數\[1\]。 ## Granary v2 與行業微調 Granary v2 以 NeMo Curator 建構，公開清洗涵蓋48種語言、16個來源語料，合共463,062小時，較第一版的25種語言大幅增加\[1\]。流程為每段錄音生成三種逐字稿格式，並附上短片說明、語碼翻譯還原、帶語音的問答對及翻譯\[1\]。 官方以印度鬆獅語音基準 Eka Care 示範調整效果。只在指令中嵌明英文與拉丁字母，已把整體字錯率由30.8% 降至23.8%；再以約153小時合成語音、29小時帶口音英語及63小時鬆獅錄音微調後，整體字錯率降至11.8%\[1\]。在未參與與調整的講者上，字錯率由最佳指令的22.44% 降至12.17%，減幅45.8%，且低於一個開放鬆獅專用模型的13.79% 以及一個通用語音模型的14.92%\[1\]。 ## 部署方式與限制 NVIDIA 表示，使用即將推出的 NVFP4 量化版本，單張 RTX PRO 6000 Blackwell 伺服器版顯卡可在三分鐘內處理100小時音頻\[1\]。開發者現時可用 vLLM 或 SGLang-Omni 自行架設，量化版本稍後推出，屆時可在 RTX Spark、DGX Spark 及 Jetson AGX Thor 本機運作\[1\]。官方提醒模型針對已錄製音頻而設，並不支援即時串流，使用時須慮核對人名、講者交替及問答結果\[1\]。 ## 參考資料 \[1\] [NVIDIA Nemotron 3.5 Transcribe and Granary v2（2026-10-28）](https://huggingface.co/blog/nvidia/nemotron-transcribe-granary) ### 相關文章： 1. [Nvidia 以 129 億美元收購 Hugging Face：「AI 的 GitHub」落入晶片巨頭手中](https://sammy.hk/nvidia-%e4%bb%a5-129-%e5%84%84%e7%be%8e%e5%85%83%e6%94%b6%e8%b3%bc-hugging-face%ef%bc%9a%e3%80%8cai-%e7%9a%84-github%e3%80%8d%e8%90%bd%e5%85%a5%e6%99%b6%e7%89%87%e5%b7%a8%e9%a0%ad%e6%89%8b%e4%b8%ad/ "Nvidia 以 129 億美元收購 Hugging Face：「AI 的 GitHub」落入晶片巨頭手中") 2. [Nvidia 開源 Nemotron 3.5 Super VL 主攻企業常駐 agent 與邊緣裝置](https://sammy.hk/nvidia-%e9%96%8b%e6%ba%90-nemotron-3-5-super-vl-%e4%b8%bb%e6%94%bb%e4%bc%81%e6%a5%ad%e5%b8%b8%e9%a7%90-agent-%e8%88%87%e9%82%8a%e7%b7%a3%e8%a3%9d%e7%bd%ae/ "Nvidia 開源 Nemotron 3.5 Super VL 主攻企業常駐 agent 與邊緣裝置") 3. [開放權重 AI 成為矽谷最搶手資產：Stripe 收購 OpenRouter、Nvidia 重金押注 Poolside](https://sammy.hk/%e9%96%8b%e6%94%be%e6%ac%8a%e9%87%8d-ai-%e6%88%90%e7%82%ba%e7%9f%bd%e8%b0%b7%e6%9c%80%e6%90%b6%e6%89%8b%e8%b3%87%e7%94%a2%ef%bc%9astripe-%e6%94%b6%e8%b3%bc-openrouter%e3%80%81nvidia-%e9%87%8d%e9%87%91/ "開放權重 AI 成為矽谷最搶手資產：Stripe 收購 OpenRouter、Nvidia 重金押注 Poolside") 4. [揭開「Ox Alpha」之謎：智譜 Z.ai 的 GLM-5.3-Flash 如何以匿名之姿攻陷 OpenRouter](https://sammy.hk/%e6%8f%ad%e9%96%8b%e3%80%8cox-alpha%e3%80%8d%e4%b9%8b%e8%ac%8e%ef%bc%9a%e6%99%ba%e8%ad%9c-z-ai-%e7%9a%84-glm-5-3-flash-%e5%a6%82%e4%bd%95%e4%bb%a5%e5%8c%bf%e5%90%8d%e4%b9%8b%e5%a7%bf%e6%94%bb%e9%99%b7/ "揭開「Ox Alpha」之謎：智譜 Z.ai 的 GLM-5.3-Flash 如何以匿名之姿攻陷 OpenRouter")