إنفيديا تطلق نموذج ذكاء اصطناعي جديداً لتحويل الصوت إلى نصوص بـ40 لغة

المعلومة/ متابعة..

أعلنت شركة «إنفيديا» إطلاق نموذج الذكاء الاصطناعي الجديد "Nemotron 3.5 Transcribe"، وهو نموذج مجاني بأوزان مفتوحة، يتيح تحويل التسجيلات الصوتية إلى نصوص مكتوبة، مع دعم ما يصل إلى 40 لغة، في خطوة تعزز حضور الشركة في سوق تقنيات الذكاء الاصطناعي الصوتي.

وكشفت الشركة، بالتزامن مع إطلاق النموذج، عن الإصدار الثاني من مجموعة البيانات الصوتية مفتوحة المصدر "Granary"، التي تستهدف مساعدة المطورين على بناء تطبيقات متخصصة في معالجة الكلام والتعرف عليه.

وأوضحت "إنفيديا" أن النموذج الجديد يدعم الترجمة من الإنجليزية وإليها عبر 31 لغة، ويمكنه معالجة تسجيلات صوتية تصل مدتها إلى ساعة كاملة، فضلاً عن قدرته على التمييز بين ما يصل إلى ثمانية متحدثين في التسجيل الواحد، وفقاً لما أورده موقع «تك كرانش».

وأضافت الشركة أن النموذج حقق نتائج متقدمة في اختبارات قياس الأداء، من بينها لوحة المتصدرين المفتوحة للتعرف التلقائي على الكلام التابعة لمنصة "Hugging Face".

وتستهدف الأدوات الجديدة المطورين العاملين على تطوير تطبيقات مخصصة لتوثيق اجتماعات الأعمال وتحويل التسجيلات الطبية إلى نصوص مكتوبة، فضلاً عن معالجة المحادثات متعددة المتحدثين.

ويمكن للمطورين دمج النموذج مع مجموعة بيانات "Granary" المحدّثة وأدوات "NeMo Speech"، بهدف تخصيص التطبيقات لتتعرف على المصطلحات الفنية والمتخصصة في مختلف القطاعات واللغات، بما يساعد المؤسسات على تطوير أدوات أكثر دقة في توثيق الاجتماعات وإعداد السجلات الطبية ومعالجة التسجيلات الصوتية.

إلا أن النموذج لا يدعم حالياً معالجة البث الصوتي المباشر، ويقتصر استخدامه على التسجيلات المحفوظة مسبقاً.

ورغم احتواء "Nemotron 3.5 Transcribe"على 30 مليار مُعامل، تؤكد "إنفيديا" قدرته على العمل باستخدام شريحة واحدة، ما يتيح تشغيله عبر مجموعة متنوعة من منصات الحوسبة، تشمل وحدة التحكم الروبوتية "Jetson AGX Thor"، وجهاز "DGX Spark"، وصولاً إلى شرائح "Blackwell" المخصصة لمراكز البيانات.

وينضم النموذج إلى مجموعة النماذج الصوتية مفتوحة الأوزان التي تطورها الشركة، ومن بينها "Parakeet"، الذي يضم 1.1 مليار مُعامل ويقدم إمكانات متقدمة للتعرف على الكلام.

وتمنح الأوزان المفتوحة المطورين إمكانية الوصول إلى الأوزان المدربة للنماذج واستخدامها في بناء تطبيقاتهم وتخصيصها وفق شروط الترخيص، بدلاً من الاعتماد حصرياً على الخدمات المغلقة وواجهات البرمجة.

ويأتي إطلاق النموذج الجديد في ظل تصاعد المنافسة بين شركات التكنولوجيا لتطوير أدوات قادرة على فهم الكلام وتحويله إلى نصوص والتفاعل الصوتي مع المستخدمين.

وشهد السوق خلال الفترة الأخيرة إطلاق عدد من النماذج والتقنيات الصوتية، من بينها "Voxtral 3" من شركة ميسترال، وتقنية "Realtime" من شركة "ElevenLabs"، فضلاً عن النموذج الصوتي "Launa-Omni" من شركة "Salesforce".

ومع دخول "إنفيديا"بهذه الأدوات الجديدة، تتسع الخيارات أمام المطورين لبناء تطبيقات صوتية متعددة اللغات، مع التركيز على دقة تحويل الكلام إلى نصوص، والتعرف على المتحدثين، والتعامل مع المصطلحات المتخصصة، إلى جانب إمكانية تشغيل النماذج على منصات حوسبة متنوعة.انتهى 25