发生了什么
NVIDIA 于 2026 年 10 月 28 日发布 Nemotron 3.5 Transcribe。这款开放权重语音模型通过自然语言指令选择转写任务，支持 40 种语言、最长一小时的录音，面向会议、媒体和客服音频处理等场景。
有哪些变化
同一模型可输出保留口语细节的逐字稿，或更适合阅读的书面形式，还能结合术语上下文转写、区分说话人、提供词级时间戳及执行语音翻译。它把语音编码器、说话人分离能力与语言模型相连，不必为每种输出风格重新训练。
使用与关注
官方已提供多种精度权重及微调工具，使用需遵守 OpenMDW-1.1 等适用许可。这是离线录音处理模型，不能把内部切片理解为实时流式识别。不同语言与任务支持程度有差异，中文也需按实际素材核对准确性及硬件要求。