目次
NVIDIA は 2026年10月28日、Nemotron 3.5 Transcribe のオープンウェイトを公開しました。主チェックポイントは Hugging Face の nvidia/NVIDIA-Nemotron-3.5-Transcribe-30B-A4B です。オフラインの音声／オーディオモデルであり、リアルタイムのストリーミング ASR サービスではありません。同社の別オープン（視覚／Bolt、Transcribe ではない）関連：Nemotron 3.5 Super VLとBolt：仕様、ライセンス、24GBで動作。
規模と能力
NVIDIA AI 公式アカウントは、プロンプト可能な 30B MoE、アクティブ約 4B と説明しています。Hugging Face モデルカードの表は、オーディオエンコーダ込みで 合計 34B（アクティブ 4.3B）——言語バックボーン約 3.5B アクティブ＋結合オーディオエンコーダ約 800M で合計約 4.3B アクティブ、とあります。製品 ID／投稿の言い方とカード表は出典が異なる層別の数字であり、同一の数字ではありません。
カードと NVIDIA AI 投稿によれば、約 40 言語の書き起こしに加え、話者帰属書き起こし、音声翻訳、文脈付き書き起こし、音声質問応答などに対応。録音は最大約 1時間、コンテキスト 65,536 トークン。ライセンスは OpenMDW-1.1（カード記載どおり商用／非商用可）。
Open ASR と AA-WER（出典別）
NVIDIA AI アカウントの続報は、Hugging Face Open ASR English リーダーボードでオープンウェイト側 #1、平均単語誤り率 5.33% と自報しています——NVIDIA AI の自報です。一方、カードの English Open ASR Leaderboard（公開9セット等重み平均；Results captured on October 12, 2026）は WER 4.71%。5.33% と 4.71% は出典・時点が異なるため、同一のスコアではありません。
Artificial Analysis は AA-WER Index で 2.8%、オープンウェイト並列 #1（Mistral Voxtral Small と）と投稿。これは第三者指数であり、NVIDIA 公式でもこちらでの再計測でもありません。
音声関連：Block、音声だけで学習した全二重対話モデル Dessa を公開、Granite Speech 5.0 の選び方：書き起こし・高速・会議は別モデル。
詳細は Hugging Face モデルカードと引用した NVIDIA AI／Artificial Analysis 投稿に従います。参考にとどめます。