NVIDIA компаниясы сөйлеуді тануға, аударуға және аудиожазбаларды талдауға арналған Nemotron 3.5 Transcribe жасанды интеллект моделін ұсынды, деп хабарлайды Massaget.kz.
Компания аудиожазбаларды мәтінге айналдыратын, сөйлеуді аударатын және сөйлеп тұрған адамдарды ажырата алатын ашық Nemotron 3.5 Transcribe жасанды интеллект моделін шығарды. Сондай-ақ ол кездесулердің қысқаша мазмұнын әзірлеп, жазбадағы ақпарат бойынша сұрақтарға жауап бере алады. Сондай-ақ кәсіби терминологияны қолдануға бейімделген.
Модель 40 тілді таниды және бір нұсқау арқылы бірнеше тапсырманы қатар орындайды. Мысалы, кездесудің мәтіндік нұсқасын сөйлеген адамдардың аты-жөнімен дайындап, әңгімені ағылшын тіліне аударып немесе қабылданған негізгі шешімдерді бөліп көрсете алады.
Nemotron 3.5 Transcribe бір Nvidia бейнекартасында жұмыс істейді. Модель бірнеше адам қатысқан, оның ішінде сөйлесушілер бір-бірінің сөзін бөлетін, ұзақтығы бір сағатқа дейінгі жазбаларды да өңдей алады.
Компания модельмен бірге 48 тілдегі аудиожазбалардан тұратын ашық Granary v2 деректер жинағын да таныстырды. Әзірлеушілер оны өз модельдерін оқытуға және медициналық сала секілді нақты бағыттар үшін сөйлеуді тану жүйесін бейімдеуге пайдалана алады.
Nemotron 3.5 Transcribe моделі мен Granary v2 деректер жинағы Hugging Face платформасында қолжетімді. Модель дайын аудиожазбалармен жұмыс істейді, алайда әзірге сөйлеуді нақты уақыт режимінде тани алмайды.
Өзекті жаңалықтарды өз уақытында оқу үшін Facebook парақшамызға жазылыңыз!
О. Сансызбай