إنفيديا تطلق نموذجاً مفتوح الأوزان لتحويل الصوت إلى نص يدعم 40 لغة

وكشفت الشركة أيضاً عن الإصدار الثاني من مجموعة البيانات الصوتية مفتوحة المصدر Granary، التي تتيح للمطورين بناء تطبيقات متخصصة في معالجة الكلام والتعرف عليه.

ويتمتع النموذج الجديد بالقدرة على الترجمة من الإنجليزية وإليها عبر 31 لغة، ومعالجة تسجيلات صوتية تصل مدتها إلى ساعة كاملة، إضافة إلى التمييز بين ما يصل إلى ثمانية متحدثين داخل التسجيل الواحد.

وأكدت إنفيديا أن النموذج يحقق أداءً متقدماً في اختبارات التعرف التلقائي على الكلام، ما يعزز قدرته على تلبية احتياجات المطورين والمؤسسات في مجالات تفريغ الاجتماعات وتوثيق المحادثات الطبية ومعالجة المحتوى الصوتي متعدد المتحدثين.

وأوضحت الشركة أن المطورين يمكنهم دمج النموذج الجديد مع مجموعة بيانات Granary وأدوات أخرى من منظومة NeMo Speech لتطوير تطبيقات متخصصة قادرة على التعرف على المصطلحات الفنية في مختلف القطاعات واللغات.

ورغم احتواء نموذج Nemotron 3.5 Transcribe على 30 مليار معامل، أكدت إنفيديا أنه قادر على العمل باستخدام شريحة حوسبة واحدة، ما يتيح تشغيله على طيف واسع من المنصات والأجهزة، من الأنظمة المدمجة إلى مراكز البيانات.

ويأتي إطلاق النموذج الجديد في ظل تصاعد المنافسة العالمية في تقنيات الذكاء الاصطناعي الصوتي، مع دخول شركات تقنية عدة إلى هذا المجال عبر نماذج متقدمة للتعرف على الكلام والتفاعل الصوتي متعدد اللغات.