NVIDIA 于10月28日发布 Nemotron 3.5 Transcribe，开放模型权重，将录音转写、说话人标注、翻译和语言识别集中到同一模型。开发者可用自然语言选择逐字记录、书面整理、行业词汇或说话人标签等转写方式，不需要为每一种输出格式重新训练。
模型支持40种语言和最长一小时录音，可按要求返回带说话人标注的逐词时间戳。它结合语音编码器、说话人识别模型与 Nemotron 3.5 Lightning 混合专家语言模型，激活参数约43亿。NVIDIA 报告的英语 Open ASR 九项公开测试平均词错率为4.71%，该数字对应指定测试集，不代表所有录音的实际错字比例。
研究页采用 OpenMDW-1.1 许可发布模型，并提供 NeMo Speech 微调工具，列出 BF16、FP8、Blackwell GPU 的 NVFP4 以及 GGUF 等版本。推理可使用模型自带的多词元预测，也可搭配 DFlash2 草稿模型做推测解码。它处理的是已经录下的音频，会议后整理、客服录音与多语种内容归档是直接应用方向。