NVIDIA 發布 Nemotron…新聞來源摘要
本文目錄：這則更新發生了甚麼及何時公布 | 已確認事實與尚未確認事項 | 這則更新會影響誰、影響甚麼決定 | 現在可以採取的核對步驟 | 文章參考資料
這則更新發生了甚麼及何時公布
NVIDIA 於 2026 年 10 月 28 日在 Hugging Face 部落格公布 Nemotron 3.5 Transcribe：一款開源權重、可用自然語言提示引導輸出的語音模型，並把轉寫、說話者歸屬（diarization）、翻譯與音訊問答收進同一檢查點。官方指模型現可於 Hugging Face 與 ModelScope 取得；轉寫約 40 種語言，其中約 31 種可與英語雙向翻譯，說話者標記約 13 種語言；可處理最長約一小時錄音，並標記最多約八位說話者。
基準方面，官方指在 Hugging Face Open ASR Leaderboard 英語軌道，Transcribe 在開源權重模型中以平均約 5.33% WER 暫列第 1；Artificial Analysis 的 AA-WER 約 2.8%，並以約 4B 活躍參數（整體約 30B 的 MoE 語言模組，每 token 僅啟用約 4B）處於開源權重準確度—活躍參數前沿。Granary v2 公開清單涵蓋約 463,062 小時、48 種語言；醫學領域案例研究指，相對最佳提示基線，在 held-out 說話者上相對 WER 下降約 45.8%。服務方面，可用檢查點可於當日以 vLLM 部署；官方明確指 Transcribe 面向錄音（recorded audio），而非即時串流。
已確認事實與尚未確認事項
已確認：2026-10-28 公布 Nemotron 3.5 Transcribe 與 Granary v2；語言／翻譯／diarization 覆蓋範圍與時長／說話者上限的官方描述；Open ASR 英語開源權重排名與 AA-WER／活躍參數說法；Granary v2 時數與語言數；醫學微調相對 WER 降幅案例；vLLM 首日支援；非即時串流定位。以上以 Hugging Face／NVIDIA 2026-10-28 原文為準。
尚未確認：香港企業自建部署的授權合規細節、量化版正式上架時程、各語言在真實嘈雜會議室的表現，以及商業託管端點的本地定價。基準排行會隨榜單更新變動，讀者應覆核當日榜單而非只憑轉述。
這則更新會影響誰、影響甚麼決定
若你的團隊需要多語會議轉寫、說話者標記、錄音後翻譯或領域詞彙（例如醫療）微調，這則更新主要影響「是否採用開源權重自建」、「提示工程能否先解決大部分格式問題」，以及「何時投入 NeMo／Granary 微調」的技術與成本決策。
對只需要即時字幕或雲端黑盒 API 的團隊，短期影響較間接：官方已說明非 live streaming，即時場景仍須另選方案；可先以示範與小批量錄音驗證準確率與私隱要求。
現在可以採取的核對步驟
- 閱讀 Hugging Face／NVIDIA 原文與模型卡，核對語言矩陣、提示指南與授權條款。
- 在非敏感錄音上試跑轉寫／diarization／翻譯提示，對照人名、講者切換與術語。
- 若考慮自建，評估 GPU 資源與 vLLM 部署路徑；若用託管端點，核對資料處理地區與合約。
- 領域詞彙若仍常錯，先改善提示與詞表，再評估是否跟進 Granary v2／NeMo 微調流程。
- 需要把語音與生成式 AI 工作流練成可交付能力時，可由企業 AI 培訓或香港 AI 課程總覽起步。
官方來源：Hugging Face／NVIDIA：Nemotron 3.5 Transcribe and Granary v2（2026-10-28）。若團隊想系統化導入企業 AI 能力，可參考 企業 AI 培訓 或 香港 AI 課程總覽。
文章參考資料
以上公開資料於 2026 年 10 月 29 日查閱。
學習 AI，保護你的未來。
