Ovozli AI ommalashish choʻqqisida: Nvidia yangi ochiq transkripsiya modelini chiqardi
Model bilan birga ilovalarni sohaviy atamalarga moslash uchun moʻljallangan Granary ochiq nutq maʼlumotlar toʻplamining ikkinchi versiyasi ham taqdim etildi.
Nemotron 3.5 Transcribe yozib olingan audioni qayta ishlab, uni 40 tilda matnga aylantiradi. Model davomiyligi bir soatgacha boʻlgan yozuvlarni qoʻllab-quvvatlaydi, 31 tilni ingliz tiliga va aksincha tarjima qiladi, shuningdek, suhbatdagi sakkiz nafargacha ishtirokchini farqlay oladi. U real vaqt rejimidagi oqimli audioni qayta ishlamaydi.
Vosita biznes uchrashuvlari va tibbiy transkripsiya uchun ilovalar ishlab chiquvchilarga moʻljallangan. Ular NeMo Speech, Granary va modelning oʻzi yordamida tizimlarni turli tillardagi sohaviy atamalarga moslashi mumkin.
Kompaniya 30 milliard parametrli model bitta chipda — robotlar uchun Jetson AGX Thor boshqaruvchisi va DGX Spark chipidan tortib, Blackwell server yechimlarigacha — ishlay olishini taʼkidlamoqda. Shuningdek, Open ASR Leaderboard ham kiradigan testlarda raqobatchilardan ustun natija qayd etilgani maʼlum qilindi.
