NVIDIA 研发的高精度长音频多语种智能语音转录前沿大模型。
官方研究主页免登录直接试用,支持上传音频进行高精度转录推理
Nemotron 3.5 Transcribe 是由 NVIDIA 官方前沿研究实验室推出的一款革命性智能语音大模型。与传统短音频识别引擎不同,它基于大规模音频与文本自回归联合预训练架构,专攻复杂工业环境与长篇会议场景。该模型在强噪音背景、多人快速交替发话、多语种夹杂与硬核专业技术词汇发音中展现出极低的字错率表现。官方提供轻量级在线验证视窗,开发者与研究人员能够直观评估其流式音频帧切分与多说话人分离能力。