NVIDI phát hành Nemotron 3. 5 Trích dẫn Open-Wight Voice Model: Traces 40 ngôn ngữ, với một bộ dữ liệu âm thanh 463.062
NVIDIA đã phát hành Nemotron 3.5 Tranket ngày 28 tháng 10, một mô hình tiếng nói mở có thể kết hợp nhiều ngôn ngữ, tiếng nói, bản dịch và câu hỏi âm thanh trong một điểm kiểm tra duy nhất. Bên cạnh đó, công ty phát hành Granary v2, một bộ dữ liệu tiếng nói mở và đường ống dẫn điều trị công cộng bao gồm 463.062 giờ âm thanh trong 48 ngôn ngữ.
Theo thông báo của NVIDIA, mô hình này sao chép 40 ngôn ngữ, dịch 31 ngôn ngữ sang tiếng Anh hoặc từ tiếng Anh, và thuộc tính của các diễn giả trong 13 ngôn ngữ; nó thu âm đến một giờ dài và đặt tên lên tám loa. Mô hình này sử dụng một bộ giải mã lai 34 tỷ mét (30B-A4B) để kích hoạt khoảng 4.3 tỉ tham số trên một bảng hiệu, và các con tàu trong BF16, FP8, và NVFP4 cân lượng.
NVIDIA nói rằng xếp hạng đầu tiên trong số các mô hình cân mở trên bảng điều khiển tiếng Anh của Hug face Open AR mở với tỷ lệ sai từ trung bình 5.33%, và mối quan hệ đầu tiên trong số các mô hình phân tích nhân tạo với văn bản ở 2.8%.
Trọng lượng được phát hành dưới giấy phép quảng cáo OpenMDW-1.1 cho việc sử dụng thương mại hoặc không thương mại, và được cung cấp thông qua Hugling Face, GitHub thông qua NVIDIA NeMo speech, NGC, và xây dựng.nvidia.com. Các điểm kết thúc được đề nghị bởi Baster, Deep Infra, và Simpli smart, với các bản trình diễn tương tác về không gian Mặt Hugling và ModelScope Studios.
Bản phát hành là một mô hình cụ thể về giọng nói, khác với mô hình tác nhân đa ngôn ngữ cũ của NVIDIA. Việc chuyển đổi giọng nói là một khối xây dựng phổ biến cho các ứng dụng siêu thông minh, bao gồm các ghi chú, các cuộc gọi dịch vụ khách hàng, và phụ đề truyền thông.
Nguồn: GSM · Hoa Kỳ (ấn bản tiếng Anh · ấn bản gốc tiếng Trung)
Ảnh: 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.
