英伟达开源 Nemotron 3.5 Transcribe（30B-A3B），把转写、说话人分离、翻译与音频问答合进同一个 checkpoint。它支持 40 种语言转写、31 种语言与英语互译、13 种语言的说话人标注，能处理一小时长的录音、最多八位说话人，还可以用自然语言提示控制输出格式与领域词表。在开源权重模型里它拿下 Hugging Face Open ASR 英文榜第一（平均 WER 5.33%），说话人分离在 David AI 的 21 语种榜与 VoiceArena 对比中均为第一。配套开源 Granary v2 数据集与 NeMo 微调流程，医疗场景微调后 WER 相对最佳提示再降 45.8%。
🔑 核心要点
40 语种转写、31 语种互译、13 语种分人，单模型全包
英文平均 WER 5.33%，多语种 4.62%，长音频 10.98%
提示词就能指定术语：把 HbA1c、metformin 写进提示，拼写立刻对齐
量化版将可跑在 RTX Spark、DGX Spark 与 Jetson AGX Thor 上
💡 金句
A transcript can capture every spoken word and still leave users or applications wondering who said what, how to translate it, or how to format domain-specific jargon.