英伟达发布 Nemotron 3.5 Transcribe 与 Granary v2:可提示、可适配的多语言转录模型
摘要
英伟达在 Hugging Face 发布 Nemotron 3.5 Transcribe 与配套的 Granary v2,主打多语言语音转录,并强调可通过提示词引导、且能按场景做适配。
核心要点
- 发布主体为英伟达,发布渠道是其 Hugging Face 官方博客,属于厂商一手模型公告。
- 本次一次性推出两个组件:Nemotron 3.5 Transcribe 与 Granary v2,标题将二者并列,暗示转录模型与配套组件协同使用。
- 核心卖点之一是「可提示」(You Can Prompt):转录行为可通过提示词进行引导,而非只能接受固定输出。
- 核心卖点之二是「可适配」(Adapt):模型面向特定语言/领域/场景具备调整与定制的空间。
- 定位为多语言转录,瞄准的是跨语种语音转文字这一通用基础能力,而非单一语言工具。
AI 洞察
语音识别正在从「固定输出的一段式 API」转向「可提示、可定制的模型组件」,这意味着转录的竞争点从词错率延伸到可控性与领域适配成本。英伟达以开源权重+托管在 Hugging Face 的方式切入,是把语音当作其模型生态的又一块拼图,而非独立产品线。若「提示即可适配」在实际使用中成立,中小团队针对垂直场景自建转录能力的门槛会明显下降,冲击现有闭源语音 API 的定价与护城河。