本文目录
NVIDIA 于 2026 年 10 月 28 日为 Nemotron 3.5 Transcribe 发布了开源权重。主模型 ID 为 Hugging Face 上的 nvidia/NVIDIA-Nemotron-3.5-Transcribe-30B-A4B。这是离线语音／音频模型，不是实时流式 ASR 服务。同厂开源近文（视觉／Bolt，≠ 转写）见 Nemotron 3.5 Super VL 和 Bolt：参数、许可、24GB 就能跑。
参数与能力
NVIDIA AI 官方账号称其为可提示的 30B MoE，约 4B 激活参数。Hugging Face 模型卡参数表写的是含音频编码器共 34B（4.3B 激活）——语言骨干约 3.5B 激活，联合音频编码器约 800M，合计约 4.3B 激活。账号／产品 ID 说法与模型卡表是不同口径，不是同一数字。
按模型卡与 NVIDIA AI 帖，约支持 40 种语言转写，并覆盖说话人归属转写、语音翻译、上下文转写与音频问答等；录音最长约 1 小时，上下文 65,536 tokens。许可：OpenMDW-1.1（卡上写明可商用或非商用）。
Open ASR 与 AA-WER（分源）
NVIDIA AI 账号续帖自报：在 Hugging Face Open ASR English 榜上开源权重侧排名 #1，平均词错误率 5.33%——为账号自报。另：模型卡 English Open ASR Leaderboard 九数据集等权均值 WER＝4.71%（Results captured on October 12, 2026）。5.33% 与 4.71% 口径／时点不同，不是同一个分数。
Artificial Analysis 帖称 AA-WER Index 上为 2.8%，开源权重并列 #1（与 Mistral Voxtral Small）。此为第三方榜数字，非 NVIDIA 官方结果，此处未复测。
语音近邻见 Block 发布 Dessa：只用语音训练的全双工对话模型 与 Granite Speech 5.0 怎么选：转写、边缘加速与多人会议对应不同模型。
权重与任务细节以 Hugging Face 模型卡及所引 NVIDIA AI／Artificial Analysis 帖为准。仅供参考。