نموذج NVIDIA Nemotron 3.5 Transcribe: نموذج واحد قابل للتوجيه لمعالجة الكلام متعددة اللغات

كشفت NVIDIA عن نموذج Nemotron 3.5 Transcribe، وهو نقطة تفتيش واحدة مفتوحة الأوزان تتعامل مع النسخ متعدد اللغات، تحديد المتحدثين، الترجمة، والإجابة على الأسئلة الصوتية — وكلها قابلة للتوجيه عبر أوامر بلغة طبيعية. ينسخ النموذج 40 لغة، يترجم 31 لغة من وإلى الإنجليزية، وينفذ تحديد المتحدثين لما يصل إلى ثمانية متحدثين عبر 13 لغة، معالجاً تسجيلات تصل مدتها إلى ساعة واحدة.

تضع نتائج المعايير النموذج في المركز الأول بين النماذج مفتوحة الأوزان على قائمة Hugging Face Open ASR Leaderboard للإنجليزية، وعلى قمة حدود الدقة-المعاملات النشطة في Artificial Analysis، وبأقل معدل خطأ في تحديد المتحدثين على قائمة David AI للغات الـ 21. كما صنفه مقارنة VoiceArena لـ 14 نظاماً في المركز الأول. والأهم، أنه يعمل على وحدة GPU واحدة من NVIDIA، متدرجاً من محطات عمل DGX Spark إلى أنظمة مراكز بيانات Blackwell.

Granary v2: من التوجيه إلى الضبط الدقيق

بالتوازي مع النموذج، تطلق Granary v2 مجموعة البيانات التدريبية متعددة اللغات، خط أنابيب تنظيف قابل للتكرار، ووصفات ضبط دقيق باستخدام NeMo Speech. هذا يتيح للفرق الانتقال من هندسة الأوامر إلى التكيف على مستوى الأوزان. في دراسة حالة طبية، خفض الضبط الدقيق معدل خطأ الكلمات على متحدثين محتفظ بهم بنسبة 45.8% مقارنة بأفضل أساس يعتمد على الأوامر فقط — مما يوضح كيف تترجم مفردات المجال المتخصص وتكيف اللهجات إلى مكاسب دقة قابلة للقياس.

لفرق البنية التحتية للذكاء الاصطناعي، الرسالة واضحة: نقطة تفتيش متعددة الاستخدامات تقلل من تشتت النماذج، بينما استدلال فعال على GPU يبقي تكاليف الحوسبة متوقعة. الأوزان المفتوحة وخط أنابيب البيانات يزيلان أيضاً الاعتماد على بائع واحد، مما يتيح للمنظمات النشر محلياً أو في أي سحابة — بما في ذلك سحابة GPU من AiGpu — مع تحكم كامل في إقامة البيانات وزمن الاستجابة.