NVIDIA 开源 Nemotron 3.5 Transcribe，并发布 Granary v2 语音数据流水线
摘要
Nemotron 3.5 Transcribe 开源权重可提示语音 LLM：约 40 语转写、31 语英互译，Open ASR 英语开源约 5.33% WER 第一；Granary v2 约 46.3 万小时、48 语。
本文目录
2026年10月28日，NVIDIA开源 Nemotron 3.5 Transcribe，并发布 Granary v2语音数据流水线。Nemotron 3.5 Transcribe为开源权重、可提示的语音 LLM：支持约40种语言转写、31种与英语互译，最长约1小时录音、最多8说话人；在 Hugging Face Open ASR（英语）开源模型中排名第一（约5.33% 平均 WER）。同步开源 Granary v2，公开清单覆盖约46.3万小时、48种语言。
图片来源：NVIDIA／Hugging Face
Nemotron 3.5 Transcribe能力边界
该模型被定位为开源权重、可提示的语音 LLM。能力侧数字包括：约40种语言转写、31种语言与英语互译；单段最长约1小时录音、最多8说话人。评测侧，在 Hugging Face Open ASR（英语）开源模型榜上排名第一，约5.33% 平均 WER。对语音与开源社区读者，这意味着「多语转写＋可提示」和「英语 Open ASR开源第一」被写进同一条发布叙事。
Granary v2数据流水线
与模型同步，NVIDIA开源 Granary v2。公开清单覆盖约46.3万小时、48种语言。对训练与复现读者，Granary v2的意义不仅是「又一个数据集」，而是与 Nemotron转写模型配套的语音数据流水线／清单，便于对照数据规模与语言覆盖。
图片来源：NVIDIA／Hugging Face
开源与可复现
权重开源、流水线／清单公开，降低了「只能调用闭源 ASR API」的门槛；具体许可证条款、商用限制与各语言子集质量，仍应对照 Hugging Face页面与官方说明逐项核对，本文不另行概括。
如何阅读这条新闻
可先抓住四点：一是 Nemotron 3.5 Transcribe为开源权重、可提示语音 LLM；二是约40语转写、31语英互译，最长约1小时、最多8说话人；三是 Hugging Face Open ASR（英语）开源模型约5.33% 平均 WER排名第一；四是 Granary v2公开清单约46.3万小时、48种语言。事实摘自 NVIDIA／Hugging Face官方博文。对语音 AI读者，这条动态把「可提示开源语音 LLM」与「大规模多语数据流水线」捆在一起发布，便于社区复现与二次训练。