NVIDIA 开源 30B 语音转录模型
推荐指数 62.0 NO. 005 · 2026.11.02
likes590downloads29,364
简介
NVIDIA 发布 Nemotron 3.5 Transcribe 30B，支持多语言语音转文字。对于需要私有化部署语音识别、且对准确率要求高于 Whisper 的团队，这是目前最值得测试的开源选项。
编辑判断
语音转录赛道长期被 Whisper 系列垄断，但企业级场景有两个硬痛点：Whisper 的幻觉率在长音频和多说话人场景下偏高，且 OpenAI 的 API 无法满足医疗、金融等合规场景的私有化需求。NVIDIA 这次直接放出 30B 参数模型，比 Whisper large-v3 大一个数量级，意图很明确——用算力换精度，抢 B 端市场。
已经在用 Whisper 的团队建议直接跑对比测试，特别关注说话人分离和专有名词识别两个指标。如果是做会议记录、客服质检、医疗口述等场景的创业者，这个模型可能成为你产品差异化的技术底座。