إنفيديا تطلق نموذج Nemotron 3.5 Transcribe: تحويل الصوت إلى نص بـ 40 لغة وبأوزان مفتوحة

أعلنت شركة إنفيديا عن إطلاق نموذجها الجديد Nemotron 3.5 Transcribe، وهو نموذج مجاني بأوزان مفتوحة يهدف إلى تحويل التسجيلات الصوتية إلى نصوص مكتوبة. يدعم هذا النموذج الحديث ما يصل إلى 40 لغة مختلفة، مما يعزز المنافسة في سوق تقنيات الذكاء الاصطناعي الصوتي المتنامي. إلى جانب ذلك، كشفت الشركة يوم الأربعاء عن الإصدار الثاني من مجموعة البيانات الصوتية مفتوحة المصدر Granary، والتي تتيح للمطورين بناء تطبيقات متخصصة في معالجة الكلام والتعرف عليه.

وفقًا لتقرير نشره موقع تك كرانش واطلعت عليه العربية Business، فإن نموذج إنفيديا الجديد قادر على ترجمة 31 لغة من الإنجليزية وإليها، ومعالجة تسجيلات صوتية تصل مدتها إلى ساعة كاملة. كما يتميز بقدرته على التمييز بين ما يصل إلى ثمانية متحدثين مختلفين داخل التسجيل الواحد. وتؤكد إنفيديا أن أداء نموذجها يتفوق على المنافسين في اختبارات قياس الأداء، بما في ذلك لوحة المتصدرين المفتوحة للتعرف التلقائي على الكلام التابعة لمنصة Hugging Face.

استهداف اجتماعات العمل والتفريغ الطبي:

تستهدف هذه الأدوات الجديدة المطورين الذين يعملون على بناء تطبيقات مخصصة لاجتماعات الأعمال والتفريغ الطبي، وهما من أبرز المجالات التي أثبتت فيها تقنيات الذكاء الاصطناعي حضورها بقوة داخل بيئات العمل. توضح إنفيديا أن المطورين يمكنهم دمج النموذج الجديد مع مجموعة بيانات Granary المحدثة وأدوات أخرى مثل نموذج NeMo Speech. يتيح هذا الدمج تخصيص التطبيقات للتعرف على المصطلحات الفنية المتخصصة في مختلف القطاعات واللغات، مما يطور أدوات أكثر ملاءمة لاحتياجات المؤسسات، سواء في توثيق الاجتماعات، أو تحويل المحادثات الطبية إلى سجلات مكتوبة، أو معالجة التسجيلات التي تضم عدة متحدثين. ومع ذلك، يواجه النموذج قيدًا يتمثل في اقتصار عمله على التسجيلات الصوتية المحفوظة، حيث لا يدعم معالجة البث الصوتي المباشر.

نموذج بـ 30 مليار مُعامل يعمل على شريحة واحدة:

على الرغم من أن نموذج Nemotron 3.5 Transcribe يحتوي على 30 مليار مُعامل، تؤكد إنفيديا أنه قادر على العمل باستخدام شريحة واحدة. هذا يتيح تشغيله عبر مجموعة متنوعة من منصات الحوسبة، بما في ذلك وحدة التحكم الروبوتية Jetson AGX Thor، وشريحة DGX Spark المستخدمة في أجهزة حوسبة مدمجة جديدة، وصولاً إلى شرائح Blackwell المخصصة لمراكز البيانات. ينضم هذا النموذج إلى مجموعة نماذج إنفيديا الصوتية ذات الأوزان المفتوحة، مثل نموذج Parakeet الذي يضم 1.1 مليار مُعامل ويتميز بحجمه الأصغر نسبيًا وقدراته المتقدمة. تتيح الأوزان المفتوحة للمطورين الوصول إلى الأوزان المدربة للنموذج واستخدامها في تطوير تطبيقاتهم وتخصيصها، وفقًا لشروط الترخيص، بدلاً من الاعتماد حصريًا على خدمات مغلقة عبر واجهات برمجية.

منافسة متصاعدة في سوق الذكاء الاصطناعي الصوتي:

يأتي إطلاق إنفيديا في وقت يشهد نشاطًا متزايدًا في سوق تقنيات الصوت المدعومة بالذكاء الاصطناعي. ففي أكتوبر الجاري، أطلقت شركة ميسترال نموذج Voxtral 3، وكشفت شركة ElevenLabs عن تقنية Realtime للاستجابة الصوتية الفورية لوكلاء الذكاء الاصطناعي. كما أطلقت شركة Salesforce نموذجها الصوتي Launa-Omni. مع دخول إنفيديا بهذه الأدوات الجديدة، تتسع الخيارات المتاحة أمام المطورين لبناء تطبيقات صوتية متعددة اللغات، مع التركيز على دقة التفريغ النصي، والتعامل مع المصطلحات المتخصصة، وإمكانية تشغيل النماذج على نطاق واسع من العتاد الحاسوبي.