Nvidia, Çarşamba günü ses kayıtlarını 40’a kadar dilde metne dönüştüren ücretsiz ve açık ağırlıklı bir model olan Nemotron 3.5 Transcribe’ı yayımladı. Aynı zamanda açık kaynaklı ses veri seti Granary’ın 2. sürümünü duyurdu.
Nvidia, Nemotron 3.5’in 31 dili İngilizce ile karşılıklı olarak çevirebildiğini, saat uzunluğuna kadar kayıtları işleyebildiğini ve sekize kadar konuşmacıyı ayırt edebildiğini iddia ediyor. Hugging Face‘in Open ASR Leaderboard’ı da dahil olmak üzere rakiplerini testlerde geride bıraktığını öne sürüyor.
Buna rağmen şirket, 30 milyar parametreli Transcribe’ın tek bir çipte çalışabileceğini söylüyor; Jetson AGX Thor robotik kontrolcüsünden yeni dizüstü bilgisayarlara güç veren DGX Spark çipten Blackwell veri merkezi çiplerine kadar. Model, son derece küçük ama güçlü Parakeet (1.1 milyar parametre) dahil olmak üzere Nvidia’nın açık ağırlıklı ses modelleri arasına katılıyor.
Nvidia’nın ses alanındaki güncel hamlesi, ses tabanlı yapay zeka modellerinin yoğun bir şekilde yayımlandığı bir döneme denk geliyor: Mistral bu ay başlarında Voxtral 3’ü yayımladı; ElevenLabs ses tabanlı asistanlarda anlık konuşma sağlayan Realtime’ı başlattı; Salesforce ise ses modeli olan Launa-Omni’yi duyurdu.
Bu Gelişmeyi Toplulukta Değerlendirin
Haber hakkındaki düşüncelerinizi, donanım deneyimlerinizi ve teknik sorularınızı topluluk üyeleriyle anlık olarak tartışın.
Bu gelişme hakkında düşüncelerinizi, donanım deneyimlerinizi veya sorularınızı Topluluk Forumumuzda paylaşın.
Foruma Katıl & Yanıtla ➔
Söz sizde.
Deneyiminizi, sorularınızı ve katkılarınızı paylaşın. E-posta adresiniz yayımlanmaz.