英伟达于10月28日发布开放权重语音转录模型Nemotron 3.5 Transcribe，同时公开训练数据管线Granary v2。该模型将转录、说话人归属、翻译与音频问答整合于一体，目标场景覆盖会议纪要、课堂录像、访谈整理及多语言客服。

架构层面，Nemotron 3.5 Transcribe采用混合专家（MoE）设计，总参数约340亿，激活参数量约43亿。模型可处理最长1小时的录音，支持40种语言转录，其中31种语言可与英语互译；说话人识别最多可区分8名说话人，并支持13种语言的说话人标注。

该模型的核心能力在于应对多人同时发言。它在生成文本的同时即可为每段发言标注说话人，官方演示中针对1940年电影《他的女友礼拜五》语速极快、对白大量重叠的场景，仍能分角色生成字幕。

评测数据显示，该模型在Hugging Face Open ASR Leaderboard英语组以5.33%的平均词错误率位列开放权重模型第一；在Artificial Analysis非流式词错误率指数中以2.8%与Voxtral Small Transcribe并列开源模型首位。说话人归属方面，其在David AI的21种语言说话人分项评测中亦有表现。