Nvidia 40 хэлээр бичвэрлэж, орчуулдаг нээлттэй жинтэй Nemotron 3.5 Transcribe загвараа гаргалаа
Nvidia бичлэгийг 40 хэлээр бичвэр болгох, 31 хэлийг англи хэл рүү болон англиас орчуулах, найм хүртэлх илтгэгчийг ялгах чадвартай Nemotron 3.5 Transcribe загвар болон Granary v2 нээлттэй яриан өгөгдлийн санг гаргалаа.
Nvidia 10-р сарын 28-нд бичигдсэн яриаг бичвэр болгодог, үнэгүй, нээлттэй жинтэй Nemotron 3.5 Transcribe загвараа танилцуулж, түүнийг сургахад ашигласан нээлттэй яриан өгөгдлийн сангийнхаа шинэ хувилбар Granary v2-ийг хамт гаргалаа. Загвар Hugging Face болон ModelScope платформд байршжээ.
Hugging Face дээрх Nvidia-гийн нийтлэлд дурдсанаар нэг загвар дотор яриаг бичвэр болгох, хэн ярьж байгааг ялгах, орчуулах, аудионы агуулгын талаарх асуултад хариулах үүргүүдийг нэгтгэсэн. Загвар 40 хэлээр бичвэрлэж, 31 хэлийг англи хэл рүү болон англиас орчуулах, 13 хэлэнд илтгэгчийг ялгах чадвартай. Нэг цаг хүртэлх бичлэгийг боловсруулж, найм хүртэлх илтгэгчийг тэмдэглэнэ. Хэрэглэгч "Хурлаар ямар шийдвэр гарсан бэ?" гэх мэтээр энгийн хэлээр заавар өгөх, салбарын нэр томьёог урьдчилан зааж нарийвчлалыг сайжруулах боломжтой.
SiliconANGLE-ийн мэдээлснээр загвар нь 30 тэрбум параметртэй, үүнээс 4 тэрбум орчим нь идэвхтэй ажилладаг "холимог мэргэжилтэн" (mixture-of-experts) бүтэцтэй тул Jetson AGX Thor, DGX Spark зэрэг жижиг төхөөрөмжөөс эхлээд Blackwell дата төвийн нэг GPU дээр ажиллах боломжтой. Nvidia-гийн мэдээлснээр шахсан NVFP4 хувилбар нь RTX PRO 6000 Blackwell Server Edition GPU дээр 100 цагийн аудиог гурван минут хүрэхгүй хугацаанд боловсруулжээ. Компани загвараа Hugging Face-ийн Open ASR жагсаалтад англи хэлээр нээлттэй жинтэй загваруудын дунд тэргүүлж, илтгэгч ялгах хэд хэдэн бие даасан үнэлгээнд эхний байр эзэлсэн гэж мэдэгдсэн. Харин загвар бичигдсэн аудиод зориулагдсан бөгөөд шууд дамжуулалтыг дэмжихгүй.
Granary v2 өгөгдлийн сангийн нийтэд нээлттэй хэсэг нь 48 хэлний 463,062 цагийн яриаг хамарч байгаа нь өмнөх хувилбарын 25 хэлнээс бараг хоёр дахин их юм. TechCrunch-ийн тэмдэглэснээр уг хэрэгслүүд нь бизнесийн хурал болон эмнэлгийн яриаг бичвэрлэх зэрэг хиймэл оюун ажлын байранд хамгийн их нэвтэрсэн чиглэлүүдэд зориулагдсан бөгөөд Mistral, ElevenLabs, Salesforce зэрэг компаниуд дуу хоолойн шинэ загвараа идэвхтэй гаргаж буй үетэй давхацжээ.
Эх сурвалж: NVIDIA / Hugging Face, TechCrunch, SiliconANGLE, NVIDIA Research. Зураг: NVIDIA
Холбоотой мэдээ
