NVIDIA 的 Nemotron 3.5 Transcribe 以 2.8% WER 并列开放权重语音转文本模型第一

发生了什么

Artificial Analysis 报告称，NVIDIA 新推出的 Nemotron 3.5 Transcribe 在其 AA-WER Index 上以 2.8% WER 与 Mistral 的 Voxtral Small 并列开放权重模型第一。这款非流式转录模型总参数量为 30B，激活参数量为 4B；它以少 6 倍的激活参数（4B 对比 24B）达到与 Voxtral Small 相同的准确率。在 Artificial Analysis 的语音智能体对话数据集 AA-AgentTalk 上，它的 WER 为 1.8%，而 Voxtral Small 为 2.3%。

接下来读什么

• 今日还有哪些重要变化Google DeepMind 发布 Genie 4，支持带原生音频的实时世界模拟

这件事到目前为止

Artificial Analysis 在其 AA-WER Index 上将 NVIDIA 的 Nemotron 3.5 Transcribe 列为开放权重语音转文本模型并列第一，词错误率为 2.8%，与 Mistral 的 Voxtral Small 持平。Nemotron 3.5 Transcribe 是一款非流式转录模型，总参数量为 30B，激活参数量为 4B；相比之下，Voxtral Small 的激活参数量为 24B。 在 Artificial Analysis 的语音代理对话数据集 AA-AgentTalk 上，评估方报告 Nemotron 3.5 Transcribe 的词错误率为 1.8%，Voxtral Small 为 2.3%。