أعلنت شركة إنفيديا إطلاق نموذج الذكاء الاصطناعي Nemotron 3.5 Transcribe، وهو نموذج مجاني بأوزان مفتوحة، يتيح تحويل الكلام إلى نص مكتوب بـ40 لغة، وترجمة 31 لغة منها من الإنجليزية وإليها، إلى جانب تحديد المتحدثين والإجابة عن أسئلة تتعلق بالتسجيلات الصوتية.
وقالت الشركة، إن النموذج الجديد يستطيع معالجة تسجيلات صوتية تصل مدتها إلى ساعة كاملة، مع إمكانية التمييز بين ما يصل إلى 8 متحدثين في التسجيل الواحد، ما يجعله أداة مناسبة للمطورين الذين يعملون على تطبيقات تحويل الصوت إلى نص وتحليل المحتوى الصوتي.
نموذج يدعم 40 لغة ويتيح الاستخدام التجاري
يتيح نموذج Nemotron 3.5 Transcribe للمطورين التحكم في طريقة تفريغ التسجيلات من خلال تعليمات مكتوبة بلغة طبيعية، مثل طلب تفريغ حرفي للكلام أو إنتاج نص منقح، فضلا عن توجيهه للتعرف على مصطلحات متخصصة، بما في ذلك المصطلحات الطبية وأسماء المنتجات.
ويضم النموذج 34 مليار معلمة، لكن نحو 4 مليارات معلمة فقط تستخدم في كل خطوة معالجة، وهو تصميم يستهدف تسريع الأداء وخفض تكاليف التشغيل.
كما يمكن تشغيله على شريحة واحدة من شرائح إنفيديا، بدءا من لوحات Jetson الصغيرة وصولا إلى وحدات معالجة الرسوميات المستخدمة في مراكز البيانات، فيما تسمح رخصته بالاستخدام التجاري.
وبحسب إنفيديا، يحتل النموذج المركز الأول بين النماذج مفتوحة الأوزان على لوحة تصنيف التعرف على الكلام باللغة الإنجليزية بمنصة Hugging Face، بمتوسط معدل خطأ في الكلمات يبلغ 5.33%.
وأوضحت الشركة أنه مصمم لمعالجة التسجيلات الصوتية، وليس لتفريغ الكلام المباشر لحظة بلحظة.
إنفيديا تطلق مجموعة بيانات تضم 463 ألف ساعة صوتية
بالتزامن مع النموذج الجديد، كشفت إنفيديا عن Granary v2، وهي مجموعة بيانات مجانية تضم 463,062 ساعة من التسجيلات الصوتية موزعة على 48 لغة، مقارنة بـ25 لغة في الإصدار الأول.
وتتيح المجموعة للمطورين تنزيل الملفات الصوتية من مصادرها الأصلية، وفقا للترخيص الخاص بكل مصدر.
وتأتي هذه الخطوة في وقت تقدم فيه شركات منافسة خدمات مدفوعة لتفريغ الصوت، إذ تبلغ تكلفة تفريغ ساعة واحدة باستخدام خدمة Grok التابعة لشركة SpaceXAI نحو 10 سنتات، وفقا للتقرير.
تحسين دقة التفريغ الطبي بنسبة 45.8%
واستعرضت إنفيديا إمكانات تخصيص النموذج للتطبيقات المتخصصة، من خلال تدريبه على تسجيلات طبية لأطباء هنود، ما أدى إلى خفض الأخطاء بنسبة 45.8% في مقاطع الاختبار التي لم تستخدم خلال التدريب.
واستغرقت عملية التدريب نحو 14 ساعة باستخدام وحدة معالجة رسوميات واحدة، وهو ما يبرز إمكانية تكييف النموذج مع مجالات محددة دون الحاجة إلى بنية حوسبة ضخمة.
ويأتي إطلاق Nemotron 3.5 Transcribe ضمن توسع إنفيديا في تطوير نماذج الذكاء الاصطناعي مفتوحة الأوزان، بعد إطلاق Nemotron 3 Nano Omni في أبريل، ونموذج Nemotron 3.5 Lightning في أغسطس، الذي تعتمد عليه القدرات اللغوية للنموذج الجديد.