NVIDIA 发布 Nemotron 3.5 Transcribe：开放权重的30B MoE 语音模型，激活参数约4B，支持40种语言转录

📋总体概括

NVIDIA 发布开放权重的语音大模型 Nemotron 3.5 Transcribe，采用 MoE 架构，总参数约30B、激活参数仅4.3B，可转录40种语言，并支持说话人标签与词级时间戳。该模型在英文 Open ASR Leaderboard 上取得4.71%的平均词错率（WER），以较小的推理开销对标主流商用语音识别能力，向开发者社区提供开源权重，是 NVIDIA 在语音多模态开源方向的又一次落子。