NVIDIA 發布了 Nemotron 3.5 Transcribe,這是一款開放權重、30B 參數的專家混合語音模型,其中 4.3B 個參數處於激活狀態。該模型可轉錄 40 種語言、識別 8 位講話者,並處理長達一小時的音頻文件。開放式語音 AI 已與專有語音系統相媲美。