NVIDIA 开源 Nemotron 3.5 Transcribe，并发布 Granary v2 语音数据流水线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。2026/10/28阅读全文
微软开源 VibeASR.cpp：1.58GB 模型让 CPU 实时转录长音频微软为 VibeVoice ASR 推出官方 CPU 推理运行时 VibeASR.cpp，通过 I8 S 与 BitNet I2 S 异构量化把模型从 4.62GB 压缩到约 1.58GB，无需 GPU 即可进行实时多语言长音频转录。2026/08/31阅读全文
RenderCaption：一个面向多语言语音转文字与字幕生成的离线开源 AI 工具RenderCaption 是一个开源离线 AI 语音转文字与字幕生成工具，通过多语言优化模型、本地推理和桌面应用体验，帮助用户在无需云端服务的情况下完成高质量字幕制作与音频转录。2026/08/02阅读全文
