نيوڤيديا تطلق Nemotron 3.5 Transcribe: نموذج جديد مفتوح المصدر للترجمة الصوتية

أطلقت نيفيديا نموذج Nemotron 3.5 Transcribe، وهو نموذج مفتوح المصدر مجاني يترجم الصوت في 40 لغة. يأتي الإصدار أيضاً مع الإصدار الثاني من مجموعة بيانات Granary، مما يوسع مجموعة أدوات نيفيديا لفهم الصوت.

تشمل الميزات الرئيسية القدرة على ترجمة 31 لغة، ومعالجة التسجيلات التي تصل إلى ساعة واحدة، وتحديد حتى ثمانية متحدثين في جلسة واحدة. تضع هذه الميزات النموذج كبديل قوي للحلول الحالية في مجال ASR، خاصة على لوحة قياس Hugging Face Open ASR Leaderboard حيث يُظهر أداءً تنافسياً.

صُمم النموذج خصيصاً للمطورين الذين يبنون تطبيقات للاجتماعات التجارية والتسجيل الطبي، ويمكن تحسينه باستخدام إطار عمل NeMo Speech من نيفيديا للتعرف على المصطلحات المتخصصة في كل لغة. يبلغ حجم النموذج 30 مليار معلمة، وهو مُحسّن للتشغيل على نطاق واسع من متحكمات الروبوتات Jetson AGX Thor إلى شرائح DGX Spark في اللابتوبات، وصولاً إلى معالجات Blackwell في مراكز البيانات.

على الرغم من تفوقه في المعالجة غير المباشرة، لا يدعم النموذج حالياً البث المباشر. ومع ذلك، تضع نيفيديا هذا الإطلاق ضمن استراتيجية أوسع لتعزيز نظامها المفتوح في مجال الصوت، إلى جانب نماذج مثل Parakeet (1.1 مليار معلمة) والمنافسين الجدد مثل Voxtral 3 من Mistral و Realtime من ElevenLabs و Launa-Omni من Salesforce.

لماذا يهم هذا للبنية التحتية للـ GPU / الذكاء الاصطناعي: توفر نموذج ترجمة صوتي عالي الأداء ومفتوح المصدر مثل Nemotron 3.5 Transcribe يخفض عتبة الدخول للشركات التي تسعى لنشر معالجة الكلام المعتمدة على الذكاء الاصطناعي على أجهزة مكلفة. من خلال التشغيل على شريحة واحدة—من الأجهزة الطرفية إلى مراكز البيانات الضخمة—تُظهر نيفيديا كيف يمكن تسريع GPU للتشغيل على نطاق كامل، مما يتيح تدفقات عمل ترجمة فورية كانت محدودة سابقاً بالحلول السحابية.