NVIDIA Releases Nemotron 3.5 Transcribe Open-Weight Speech Model: Transcribes 40 Languages, with a 463,062-Hour Audio Dataset
وفي 28 تشرين الأول/أكتوبر، أفرجت الرابطة عن نيموتورون 3-5 Transcribe، وهو نموذج للخطاب ذي الوزن المفتوح يجمع بين التعددية اللغوية، وعزو المتكلمين، والترجمة، والأسئلة السمعية التي ترد في نقطة تفتيش واحدة. وإلى جانب ذلك، أصدرت الشركة جريناي ف-2، وهو خط بيانات للخطابات المفتوحة وخط الأنابيب التي يغطي بيانها العام 062 463 ساعة من الصوت عبر 48 لغة.
وفقاً لإعلان (إنفيديا) فإن النموذج يترجم 40 لغة ويترجم 31 منها إلى اللغة الإنجليزية أو من اللغة الإنجليزية The model uses a 34billion-parameter hybrid mixture-of-experts decoder (30B-A4B) that activates roughly 4.3 billion parameters per token, and ships in BF16, FP8, and NVFP4 quantized weights.
NVIDIA says the model ranks first among open- weight models on the Hugging Face Open ASR English Leaderboard with a 5.33% average word error rate, and ties for first among open- weight models on Artificial Analysis Speech-to-Text at 2.8%.
The weights are released under the OpenMDW-1.1 license for commercial or non-commercial use, and are available via Hugging Face, GitHub through NVIDIA NeMo Speech, NGC, and build.nvidia.com. وتُعرض نقاط النهاية المستضيفة من قِبَل " باستين " و " ديب إنفير " ، و " سيمبلزمار " ، بصور تفاعلية عن " حيّز الواجهة " و " استوديوهات " .
الإفراج هو نموذج للكلمات مميّز عن عارضات "نيمترون" المُتعدّدة الوسائط ويعد التخاطب عن طريق الاتصال الحاسوبي لبنة مشتركة لتطبيقات الاستخبارات الخارقة، بما في ذلك مذكرات الاجتماعات، والمكالمات المتعلقة بخدمة العملاء، والاستيلاء على وسائط الإعلام.
المصدر: GSM · الولايات المتحدة (الطبعة الإنجليزية · الطبعة الصينية الأصلية)
صورة: 图：英伟达位于加利福尼亚州圣克拉拉的总部大楼。CC BY-SA 4.0，经 Wikimedia Commons。 / Photo: NVIDIA headquarters in Santa Clara, California. CC BY-SA 4.0, via Wikimedia Commons.
