Nvidia Nemotron 3.5: 40 Dildə Səs Tanıma və Tərcümədə Yeni Dövr Başlayır

Nvidia-nın Nemotron 3.5 modeli səs tanıma sahəsində yeni mərhələdir

Texnologiya nəhəngi Nvidia yeni Nemotron 3.5 Transcribe modelini təqdim edib. Bu model 40 dildə audio transkriptini dəstəkləyir və 31 dili ingiliscə və ingiliscədən tərcümə edə bilir. Nemotron 3.5 səkkiz fərqli danışanı ayırd etmək qabiliyyətinə malikdir və bir saatadək səs yazısını emal edə bilir.

İşgüzar görüşlərdən tibbi transkriptlərə qədər geniş tətbiq sahəsi

Model əsasən işgüzar görüşlər və tibbi transkript üçün nəzərdə tutulub. Nvidia istifadəçilərə sənaye terminologiyasını tanımaq üçün xüsusi tənzimləmə imkanı verir ki, bu da peşəkar sahələrdə səs tanımanın dəqiqliyini artırır. Nemotron 3.5 Transcribe açıq çəkili modeldir və istifadəçilər tərəfindən fərdiləşdirilə bilər.

Texniki üstünlüklər və rəqabət üstünlüyü

Model 30 milyard parametrə malikdir və Nvidia-nın Jetson AGX Thor, DGX Spark və Blackwell datacenter çiplərində işləyə bilir. Bu, yüksək hesablama gücü tələb edən mürəkkəb səs tanıma tapşırıqlarını effektiv yerinə yetirməyə imkan verir. Nemotron 3.5 Hugging Face Open ASR Leaderboard-da rəqiblərini qabaqlayır, bu da onun səs tanıma sahəsində liderliyini təsdiqləyir.

Digər yeni səs modelləri və bazar trendləri

Eyni zamanda, bazarda Mistral Voxtral 3, ElevenLabs Realtime və Salesforce Launa-Omni kimi yeni səs modelləri də təqdim olunub. Nvidia-nın açıq mənbə nitq datasetləri olan Granary-nin ikinci versiyası da istifadəyə verilib ki, bu da tədqiqatçılara və inkişafçılara daha çox imkanlar yaradır.

İnsanlara təsiri və gələcək perspektivlər

Nemotron 3.5 Transcribe modeli səs tanıma və tərcümə sahəsində yeni imkanlar açır, işgüzar və tibbi sahələrdə iş proseslərini sürətləndirir və dəqiqləşdirir. Bu texnologiya insanlara daha rahat və effektiv ünsiyyət qurmaq, məlumatları daha tez əldə etmək imkanı verir. Nvidia-nın bu yeniliyi səs tanıma texnologiyalarının gələcəyinə işıq tutur.