NVIDIA 推出 Nemotron 3.5 Transcribe，一款开放权重的 30B MoE 模型

发生了什么

认识 NVIDIA Nemotron 3.5 Transcribe 🎙️ 这是一款开放权重、可通过提示词控制的 30B MoE 模型，约有 4B 个活跃参数，将 40 种语言的转录、说话人归属、翻译、上下文提示和音频理解整合到一个检查点中。 看看它如何追踪说话人

接下来读什么

• 今日还有哪些重要变化Mistral 发布改进版 Mistral Large 4 开放权重模型，面向编程和网络安全

2 家信源报道

这件事到目前为止

NVIDIA 发布了开放权重语音模型 Nemotron 3.5 Transcribe。vLLM 宣布通过 vLLM 和 NeMo Speech 从发布首日提供服务支持。NVIDIA 将其描述为一款可通过提示词控制的 300 亿参数混合专家模型，激活参数约 40 亿，可在一个检查点中整合 40 种语言的转录、说话人归属、翻译、上下文提示和音频理解。 据 The Decoder 报道，该模型可遵循文本指令处理最长一小时、最多包含八位说话人的录音，但不支持实时处理。vLLM 表示，其服务支持包括可通过提示词控制的转录文本、说话人标签和音频问答；模型权重提供 BF16、FP8 和 NVFP4 格式。 据 The Decoder 报道，NVIDIA 还发布了 Granary v2，这是一个包含约 844,000 小时、涵盖 48 种语言语音的数据集，并同时提供数据集构建工具和微调指南。