本文目錄
NVIDIA 於 2026 年 10 月 28 日為 Nemotron 3.5 Transcribe 釋出了開源權重。主模型 ID 為 Hugging Face 上的 nvidia/NVIDIA-Nemotron-3.5-Transcribe-30B-A4B。這是離線語音／音訊模型，不是即時串流 ASR 服務。同廠開源近文（視覺／Bolt，≠ 轉寫）見 Nemotron 3.5 Super VL 和 Bolt：規格、授權、24GB 就能跑。
參數與能力
NVIDIA AI 官方帳號稱其為可提示的 30B MoE，約 4B 啟動參數。Hugging Face 模型卡參數表寫的是含音訊編碼器共 34B（4.3B 啟動）——語言骨幹約 3.5B 啟動，聯合音訊編碼器約 800M，合計約 4.3B 啟動。帳號／產品 ID 說法與模型卡表是不同口徑，不是同一數字。
依模型卡與 NVIDIA AI 帖，約支援 40 種語言轉寫，並涵蓋說話人歸屬轉寫、語音翻譯、脈絡轉寫與音訊問答等；錄音最長約 1 小時，上下文 65,536 tokens。授權：OpenMDW-1.1（卡上寫明可商用或非商用）。
Open ASR 與 AA-WER（分源）
NVIDIA AI 帳號續帖自報：在 Hugging Face Open ASR English 榜上開源權重側排名 #1，平均詞錯誤率 5.33%——為帳號自報。另：模型卡 English Open ASR Leaderboard 九資料集等權均值 WER＝4.71%（Results captured on October 12, 2026）。5.33% 與 4.71% 口徑／時點不同，不是同一個分數。
Artificial Analysis 帖稱 AA-WER Index 上為 2.8%，開源權重並列 #1（與 Mistral Voxtral Small）。此為第三方榜數字，非 NVIDIA 官方結果，此處未複測。
語音近鄰見 Block 發布 Dessa：只用語音訓練的全雙工對話模型 與 Granite Speech 5.0 怎麼選：轉寫、邊緣加速與多人會議對應不同模型。
權重與任務細節以 Hugging Face 模型卡及所引 NVIDIA AI／Artificial Analysis 帖為準。僅供參考。