英伟达发布开源语音转写模型 支持40种语言

驱动中国10月29日消息，据TechCrunch报道，英伟达(NVIDIA)近日发布一款免费语音转写模型，支持最多40种语言的语音转文字处理。该模型面向录音文件，不支持实时音频输入，因此主要适用于会议记录、医疗转写等离线场景。

从产品定位看，这款模型属于 speech-to-text（语音转文本）方向，标题中被描述为 open transcription model。与商业闭源服务相比，免费开放属性使其更容易被开发者、企业工具团队和垂直场景服务商接入，用于构建转写功能。

关键限制在于使用边界。报道称，该模型只能处理已有录音，不能直接用于实时音频流。这意味着在线会议、直播字幕、实时语音交互等场景仍需要其他方案，也使其与主打实时语音能力的厂商形成差异。

在竞争格局方面，实时语音处理仍由 ElevenLabs 等厂商占据更明显位置。英伟达此次发布更多指向录音转写工具链，而非直接覆盖全部实时语音场景。

这一动态也反映出语音AI当前的关注点：一方面，多语言转写能力是办公、医疗、教育等场景的基础能力；另一方面，模型是否支持实时音频，往往决定其能否进入互动式产品。开源或免费模型通常会降低试用门槛，但具体落地仍取决于性能、成本与合规要求。

总体来看，英伟达此次发布为语音转写工具提供了新的开放模型选择，但其适用范围集中在录音处理。对于需要实时语音转写的产品，开发者仍需评估其他厂商方案。