Nvidia, ses kayıtlarını 40'tan fazla dilde yazılı metne dönüştürme imkanı sunan Nemotron 3.5 Transcribe adlı yeni bir yapay zeka modeli piyasaya sürdüğünü duyurdu. Bu sürüm, çeşitli sektörlerde konuşma tanıma ve işleme uygulamalarını geliştirmeyi hedefliyor ve tek bir kayıttan en fazla sekiz konuşmacıyı ayırt etme yeteneğine sahip.
##
Bu bağlamda, teknoloji sitesi TechCrunch, modelin açık ağırlıklarla ücretsiz olarak mevcut olduğunu ve saatlik uzunlukta ses kayıtlarını işleyebildiğini belirtti. Ayrıca İngilizce ile 31 başka dil arasında çeviri yetenekleri sunarak çok dilli ortamlardaki kullanım alanını genişletiyor.
##
Şirket, modelin lansmanıyla birlikte geliştiricilerin özel uygulamalar oluşturmalarını desteklemek amacıyla açık kaynaklı Granary ses veri setinin güncellenmiş bir sürümünü de duyurdu. Hedeflenen kullanım alanları arasında iş toplantılarının transkripsiyonu ve tıbbi konuşmaların yazılı kayıtlara dönüştürülmesi yer alıyor; geliştiriciler modeli veri seti ve NeMo Speech araçlarıyla entegre edebilir.
##
Modelin 30 milyar parametre içerdiği ve tek bir bilgisayar çipinde çalıştırılabildiği belirtildi. Ayrıca Jetson AGX Thor robotik hesaplama ünitesi, DGX Spark cihazları ve veri merkezleri için tasarlanmış Blackwell çipleri de dahil olmak üzere çeşitli platformları destekliyor; bu adım, şirketin açık ağırlıklı modeller sağlama eğilimi kapsamında değerlendiriliyor.
##
Model şu anda canlı ses akışı işleme desteği sunmuyor; çalışması yalnızca kaydedilmiş ses kayıtlarıyla sınırlıdır. Bu özellik, geliştiricilerin modellerin eğitilmiş bileşenlerine erişmesini ve çeşitli teknik ve endüstriyel alanlardaki uygulama ihtiyaçlarına göre özelleştirmesini sağlar.
Kaynak: Suriye Arap Haber Ajansı (SANA)
Yorumlar (0)