NVIDIA Nemotron 3.5 Transcribe और Granary v2: आप जो पूछ सकें और अनुकूलन कर सकें, ऐसा बुद्धिमान बहुभाषी ट्रांसक्रिप्शन
huggingface ·
NVIDIA ने Nemotron 3.5 Transcribe जारी किया है, जो एक ओपन-वेइट मॉडल है जो बहुभाषी ट्रांसक्रिप्शन, स्पीकर अट्रिब्यूशन, अनुवाद और ऑडियो प्रश्नोत्तर को एक ही चेकपॉइंट में समेटता है। यह मॉडल 40 भाषाओं के लिए ट्रांसक्रिप्शन का समर्थन करता है और Hugging Face Open ASR लीडरबोर्ड और David AI के डायरिजेशन बेंचमार्क सहित कई प्रमुख लीडरबोर्ड पर शीर्ष स्थान हासिल करता है। इसकी एक प्रमुख विशेषता इसकी प्रॉम्प्टेबिलिटी (promptability) है, जिससे डेवलपर प्राकृतिक भाषा निर्देशों का उपयोग करके आउटपुट फॉर्मेट और डोमेन-विशिष्ट जार्गन को बिना तुरंत फाइन-ट्यून किए मार्गदर्शित कर सकते हैं। एडाप्टेशन को सपोर्ट करने के लिए, NVIDIA ने Granary v2 भी पेश किया है, जो 463,000 घंटे से अधिक की बहुभाषी स्पीच डेटा के साथ एक ओपन डेटा क्यूरेशन पाइपलाइन है। केस स्टडीज़ दिखाती हैं कि इस पाइपलाइन के साथ फाइन-ट्यून करने से स्वास्थ्य सेवा जैसे विशेष क्षेत्रों में शब्द त्रुटि दर (word error rates) में काफी कमी आ सकती है। सिस्टम हाइब्रिड Mamba-Transformer आर्किटेक्चर का उपयोग करते हुए सिंगल NVIDIA GPU पर, किनारे के डिवाइसों से लेकर डेटा-सेंटर सर्वर तक, कुशलता से चलता है। डेवलपर मॉडल को Hugging Face, ModelScope या होस्टेड एंडपॉइंट्स के माध्यम से एक्सेस कर सकते हैं, जहां लोकल डिप्लॉयमेंट और कस्टम ट्रेनिंग के लिए उपकरण भी प्रदान किए गए हैं।
huggingface