Nvidia publikoi të mërkurën Nemotron 3.5 Transcribe, një model falas me pesha të hapura që transkripton audio në deri në 40 gjuhë. Kompania prezantoi edhe versionin 2 të Granary, grupit të saj të të dhënave zanore me burim të hapur.
Sipas Nvidia, modeli përkthen nga 31 gjuhë në anglisht dhe anasjelltas, përpunon regjistrime deri në një orë dhe dallon deri në tetë folës. Kompania pretendon se ai tejkalon rivalët në teste krahasuese, përfshirë Open ASR Leaderboard të Hugging Face. Megjithatë, Transcribe punon vetëm me audio të regjistruar, jo me transmetime të drejtpërdrejta.
Mjetet synojnë zhvilluesit e aplikacioneve për takime biznesi dhe transkriptim mjekësor, dy përdorime tashmë të konsoliduara të AI në punë. Modeli, Granary i përditësuar dhe mjete si NeMo Speech mund të përdoren për t’i përshtatur aplikacionet me terminologjinë e sektorëve në gjuhë të ndryshme. Nvidia thotë se Transcribe, me 30 miliardë parametra, mund të ekzekutohet në një çip të vetëm, në platforma nga Jetson AGX Thor e DGX Spark deri te çipat Blackwell për qendrat e të dhënave.
Modeli i bashkohet portofolit zanor me pesha të hapura të Nvidia, ku përfshihet Parakeet me 1,1 miliardë parametra. Publikimi vjen krahas zhvillimeve të rivalëve: Voxtral 3 nga Mistral, Realtime nga ElevenLabs për të folur në kohë reale në agjentët zanorë dhe Launa-Omni nga Salesforce.
Burimi: TechCrunch – AI — lexoni artikullin e plotë në anglisht.
