英伟达（Nvidia）发布了名为 Nemotron 3.5 Transcribe 的免费开源权重语音转录模型，旨在为开发者提供定制化的会议和医疗转录工具 。该模型拥有 300 亿参数，支持多达 40 种语言的音频转录，并具备 31 种语言与英语互译的能力 。在性能方面，英伟达宣称 Nemotron 3.5 Trans…
Cactus Compute团队发布了Whistle语音识别模型，文件体积仅为16.9 MB，可在CPU上运行且无任何依赖。该模型支持转录、词级时间戳和语音嵌入三项核心功能，覆盖英语、德语、法语、西班牙语、意大利语、荷兰语和波兰语七种语言。
Google 发布了 Gemini 3.5 Transcribe 语音转文字模型，官方称其为最精确的语音识别模型，可将原始音频直接转换为准确且格式化的文本 。开发者可通过 Google AI Studio 的 Gemini API 和 Gemini Enterprise Agent Platform 使用该模型 。该…