वॉइस एआई ट्रेंड में है: नविडिया ने नया ओपन ट्रांसक्रिप्शन मॉडल जारी किया
techcrunch ·
नवीडिया ने नमोट्रॉन 3.5 ट्रान्सक्राइब (Nemotron 3.5 Transcribe) जारी किया है, जो 40 भाषाओं तक की ऑडियो ट्रांसक्रिप्शन के लिए डिज़ाइन किए गए एक मुफ्त और ओपन-वेट AI मॉडल का नाम है। यह रिलीज ग्रैनरी (Granary) के संस्करण 2 के लॉन्च के साथ मिलती-जुलती है, जो एक ओपन-सोर्स स्पीच डेटासेट है जिसका उद्देश्य डेवलपर्स को विशिष्ट उद्योग जार्गन के लिए ऐप्lications को कस्टमाइज़ करने में मदद करना है। इस मॉडल में 31 भाषाओं का अंग्रेजी से और अंग्रेजी से उनमें अनुवाद करने, एक घंटे तक के रिकॉर्डिंग्स को प्रोसेस करने और आठ अलग-अलग बोलने वालों के बीच भेद करने जैसी क्षमताएं हैं। नवीडिया का दावा है कि ह्यूगिंग फेस (Hugging Face) के ओपन ASR लीडरबोर्ड जैसे मानकों पर नमोट्रॉन 3.5 प्रतिस्पर्धियों से बेहतर प्रदर्शन करता है। हालांकि, यह वर्तमान में लाइव स्ट्रीम्स के बजाय केवल रिकॉर्डेड ऑडियो का समर्थन करता है, लेकिन 30 बिलियन पैरामीटर वाले इस मॉडल को सिंगल चिप्स से लेकर डेटासेंटर सर्वर तक विभिन्न हार्डवेयर पर कुशलता से चलने के लिए अनुकूलित किया गया है। यह लॉन्च नवीडिया को एक प्रतिस्पर्धी बाजार में स्थित करता है, जहां हाल ही में मिस्ट्रल (Mistral), इलेवनलैब्स (ElevenLabs) और सफ़ायर (Salesforce) द्वारा रिलीज किए गए थे। ये टूल्स मुख्य रूप से बिजनेस मीटिंग्स और मेडिकल ट्रांसक्रिप्शन के लिए समाधान बनाने वाले डेवलपर्स को निशाना बनाते हैं।
techcrunch