事件专题 ·多源确认

NVIDIA Nemotron 3.5 Transcribe 登顶 Artificial Analysis 说话人分离基准

Artificial Analysis 发布新基准 Diarization Index,衡量语音转文本 API 在多人对话中区分谁在说话的准确度。评测指标为 Word Diarization Error Rate(WDER),即词被分配给错误说话人或未分配说话人的比例,覆盖 97 段 2 至 8 人对话,各人数组别权重相同。 NVIDIA 的 Nemotron 3.5 Transcribe 以 3.3% 的错误率排名第一,Mistral 的 Voxtral Small Transcribe 3 以 7.5% 排名第二,两者相差超过一倍。这一基准填补了此前语音识别评测主要关注转写文字准确率、缺少说话人归属维度的空白。 对做会议纪要、客服录音分析、播客字幕等多人语音场景的开发者而言,说话人分离错误率直接影响下游产品体验,这份排名可作为选型的直接参考。

当前结论

做语音转写选型的朋友可以看看:NVIDIA 的 Nemotron 3.5 Transcribe 在说话人识别上错误率只有 3.3%,比 Voxtral Small Transcribe 3 的 7.5% 好一倍多。做会议纪要、多人录音分析的工具,值得对照这个榜单重新测一测自家用的 API。

6 个信源33° AI 热度最后更新 2026/11/16 18:14:35

证据链

6 个信源

冲突核查

现有去重数据只说明这些来源讨论同一事件,不代表立场相同。当前没有结构化的支持或反驳证据,不自动推断冲突。