Deepgram 将 Nova-3 语音模型优化至 AWS Trainium2 实现成本降低
当前事件综述（非历史快照）
Deepgram 将 Nova-3 语音转文字模型移植并优化至 AWS Trainium2 硬件，单设备配置下音频每美元处理量提升 11%-70%。团队使用 TorchNeuron 完成 PyTorch 迁移，通过 NKI Lib 和自定义内核提升吞吐量，并开发 Rust 数据并行运行时消除 Python 开销。优化后的编译路径实现了全模型在 Trainium2 上运行，无 CPU 回退。
AI 根据报道生成 · 12 天前更新
事件探索工作台
同一时点联动报道、关系与证据。
此时新增 ·Deepgram利用AWS Trainium2优化Nova-3语音模型，实现11%-70%成本提升
- 本次回放累计
- 1
- 一手资料
- 1
- 报道来源
- 1
此时首次收录的报道 · 1
- AWS Machine Learning Blog · 一手资料Deepgram利用AWS Trainium2优化Nova-3语音模型，实现11%-70%成本提升查看原始来源 ↗
按本站首次发现时间回放。历史图谱与证据使用同一时点；完整综述与热度仍是当前视角。
事件进展
1 条进展2026/10/20 01:11:41
Deepgram利用AWS Trainium2优化Nova-3语音模型，实现11%-70%成本提升AWS Machine Learning Blog
按本站首次收录时间筛选；只显示代表报道在此时点前已收录的进展。当前事件归组可能后来修订，不是完整历史快照。
此时的实体关系
正在读取历史关系…
历史重建（非精确快照）：按首次收录与关系记录时间筛选；实体名、关系陈述和事件归组可能已经被后来修订，不能将其当作当时原始记录。 下方综述与完整来源索引仍属于当前视角。
Story 路线
从第一份公开证据到最新进展的逐站路线；每一站都带着自己的证据和不确定性。
- 110月20日 00:00收录于 10月20日 01:11单一来源
Deepgram 将 Nova-3 语音模型优化至 AWS Trainium2 实现成本降低
核对原始报道 ↗ AWS Machine Learning Blog在探索工作台回到这个时点
不确定性标注指出需要核对原文的地方，不是已证实的因果。
完整来源索引（截至目前）
目前公开的报道索引，不属于历史回放。
一手资料 · 1 篇
- AWS Machine Learning Blog · 10月20日 00:23Deepgram利用AWS Trainium2优化Nova-3语音模型，实现11%-70%成本提升
Deepgram将Nova-3语音模型移植至AWS Trainium2并进行了内核级优化，单设备配置处理音频每美元提升11%-70%。团队使用TorchNeuron完成PyTorch迁移，通过NKILib和自定义内核提升吞吐量，并开发Rust数据并行运行时消除Python开销。
核对原始报道 ↗
第三方报道 · 0 篇
目前尚未收录这一类可核实资料，不能把单方说法当作多方证据。
不同报道并不自动代表观点冲突；阅读原文核对事实、条件和发布日期。后续来源加入后此处会自动更新。
报道时间线
沿着报道，了解事件的不同侧面。
- AWS Machine Learning Blog精选Deepgram利用AWS Trainium2优化Nova-3语音模型，实现11%-70%成本提升
Deepgram将Nova-3语音模型移植至AWS Trainium2并进行了内核级优化，单设备配置处理音频每美元提升11%-70%。团队使用TorchNeuron完成PyTorch迁移，通过NKILib和自定义内核提升吞吐量，并开发Rust数据并行运行时消除Python开销。