AI 新聞 · Nvidia · 語音 AI
Nvidia 免費的 Nemotron 3.5 Transcribe 支援 40 種語言
這款開放權重模型一次就能完成逐字稿、翻譯與說話者辨識，Nvidia 表示一張 GPU 就跑得動。
Nvidia 在 2026 年 10 月 28 日發表 Nemotron 3.5 Transcribe，這是一款免費的語音模型，任何人都能下載權重並自行執行（TechCrunch）。Nvidia 表示它最多可轉寫 40 種語言的語音，並能區分最多八位說話者，也能在英文與 31 種語言之間翻譯。TechCrunch 報導，它處理的錄音最長一小時，無法跟上即時串流。
Transcribe 也自己處理說話者標記與翻譯，所以一次模型運算就取代了一般轉錄流程中音訊要經過的好幾個步驟，SiliconANGLE 報導。你可以用一段文字指示（提示詞）告訴它要產出什麼，例如翻譯或會議中的決議。它有 300億個參數（構成模型的學習數值），每次請求使用其中 40億個。Nvidia 表示，一張 GPU 就裝得下，從 Blackwell 資料中心顯卡到小型的 DGX Spark 或 Jetson 設備都行，所需的壓縮程度依硬體而定。模型背後的免費語音資料集 Granary v2 在同一天發布。
租用這類顯卡要花多少錢，可看我們的雲端 GPU 價格表（查閱於 2026 年 10 月 24 日）。RTX PRO 6000 是配備96 GB 記憶體的 Blackwell 顯卡，Vast.ai 最便宜的已驗證主機每小時 1.08 美元，Runpod 的 Community Cloud 為每小時 1.69 美元。
以 16 位元精度計算，300億個參數約需 60 GB，放得進 RTX PRO 6000 的 96 GB。所以已經租用這張卡做影片工作的團隊，可以在影片作業的空檔，用它替廣告配音加字幕和翻譯，照原本的時租計費，不必另付按分鐘計價的轉錄費用。
