NVIDIA Nemotron 3.5 Transcribe 以 2.8% WER 并列开放权重语音转文本榜首

NVIDIA 的 Nemotron 3.5 Transcribe 以 2.8% 的 WER 在开放权重语音转文本模型中并列第一，仅使用 40 亿个活跃参数。

Nemotron 3.5 Transcribe 是 NVIDIA 最新的开放权重语音转文本模型，用于非流式转录，拥有 300 亿总参数和 40 亿活跃参数，并且是我们的非流式语音转文本排行榜上最准确的 NVIDIA 模型。

主要要点

➤ 准确度：Nemotron 3.5 Transcribe 在 AA-WER 指数上的得分为 2.8%，与 Mistral 的 Voxtral Small 并列开放权重模型第一。在 AA-AgentTalk（我们的语音智能体对话数据集）上，它以 1.8% 的成绩领先 Voxtral Small 的 2.3%。

➤ 模型规模：凭借 40 亿活跃参数（总计 300 亿），Nemotron 3.5 Transcribe 处于 AA-WER 与活跃参数关系所衡量的开放权重前沿。它以少 6 倍的活跃参数（40 亿对 240 亿）实现了与 Mistral 的 Voxtral Small 相同的准确度，而其他规模相近的开放权重模型的 WER 约为 4%。

祝贺 @NVIDIAAI 发布这一模型！

查看下方更多详情 ⬇️