معرفی مدل هوش مصنوعی Nemotron 3.5 Transcribe توسط انویدیا
انویدیا از مدل هوش مصنوعی جدید Nemotron 3.5 Transcribe برای تبدیل گفتار به متن رونمایی کرد که قابلیت پردازش فایل‌های صوتی ضبط‌شده را دارد.
این مدل که دارای ۳۰ میلیارد پارامتر است، بر اساس اعلام انویدیا قابلیت اجرا روی یک تراشه را دارد. همچنین نسخه دوم مجموعه داده متن‌باز گفتار با نام Granary نیز توسط این شرکت منتشر شده است.
مدل جدید انویدیا از ۴۰ زبان پشتیبانی می‌کند و امکان ترجمه میان ۳۱ زبان و انگلیسی را فراهم می‌آورد. این ابزار قادر است فایل‌های صوتی تا یک ساعت را پردازش کرده و صدای حداکثر ۸ گوینده را به صورت مجزا تشخیص دهد.
انویدیا ادعا می‌کند که عملکرد این مدل در آزمون‌های استاندارد پلتفرم Hugging Face نسبت به رقبا بهتر است. در حال حاضر، این فناوری تنها برای پردازش فایل‌های صوتی ضبط‌شده طراحی شده و از گفتار زنده پشتیبانی نمی‌کند.
منبع
هر منبع در سایتِ خودش باز می‌شود؛ این صفحه همین‌جا می‌ماند.
دیدگاه‌ها
این خبر دیگر در دسترس نیست
شاید کهنه شده یا منبعش برداشته شده. خبرهای تازه‌ای که به کارِ شما می‌آید پایینِ همین صفحه است.
برو به «برای تو»