«إنفيديا» تطلق نموذج ذكاء اصطناعي متقدم لتحويل الكلام إلى نص بأكثر من 40 لغة

أعلنت شركة «إنفيديا» عن إطلاق نموذج جديد للذكاء الاصطناعي يُدعى «Nemotron 3.5 Transcribe»، والذي يتميز بقدرته على تحويل التسجيلات الصوتية إلى نصوص مكتوبة بأكثر من 40 لغة. يمتلك النموذج أيضاً القدرة على تمييز ما يصل إلى ثمانية متحدثين مختلفين ضمن التسجيل الصوتي الواحد، مما يهدف إلى الارتقاء بتطبيقات التعرف على الكلام ومعالجته في مختلف القطاعات. ووفقاً لموقع «تك كرانش» التقني، فإن هذا النموذج متاح مجاناً بأوزان مفتوحة، ويمكنه معالجة تسجيلات صوتية تصل مدتها إلى ساعة كاملة. بالإضافة إلى ذلك، يوفر النموذج إمكانية الترجمة بين اللغة الإنجليزية و31 لغة أخرى.

بالتزامن مع هذا الإطلاق، كشفت «إنفيديا» عن إصدار محدث لمجموعة البيانات الصوتية مفتوحة المصدر «Granary»، وذلك بهدف دعم المطورين في بناء تطبيقات متخصصة في التعرف على الكلام وتحويله إلى نصوص. وتشمل الاستخدامات المستهدفة تفريغ محاضر اجتماعات العمل وتحويل المحادثات الطبية إلى سجلات مكتوبة. يمكن للمطورين دمج هذا النموذج مع مجموعة بيانات «Granary» وأدوات «NeMo Speech» لتطوير تطبيقات قادرة على التعرف على المصطلحات الفنية والتخصصية في قطاعات متنوعة.

تجدر الإشارة إلى أن النموذج لا يدعم حالياً معالجة البث الصوتي المباشر، ويقتصر عمله على التسجيلات الصوتية المحفوظة. يضم النموذج 30 مليار مُعامل، ويمكن تشغيله باستخدام شريحة حاسوبية واحدة، حسبما أفادت الشركة. كما يدعم النموذج منصات متنوعة تشمل وحدة التحكم الروبوتية «Jetson AGX Thor» وأجهزة «DGX Spark»، وصولاً إلى شرائح «Blackwell» المصممة خصيصاً لمراكز البيانات. تأتي هذه الخطوة في إطار توجه «إنفيديا» نحو توفير نماذج ذكاء اصطناعي بأوزان مفتوحة، مما يمنح المطورين القدرة على الوصول إلى مكوناتها المدربة وتخصيصها لتلبية احتياجات تطبيقاتهم الخاصة.