Nvidia, Nemotron 3.5 Transcribe ve Granary v2 modellerini tanıttı

Nvidia, iki özel model yayınladı: konuşma tanıma için Nemotron 3.5 Transcribe ve veri yapılandırma için Granary v2. Bu yeni modeller, belirli alanlara ve dil özelliklerine uyarlanabilen yüksek hassasiyetli transkripsiyon sistemleri oluşturmaya odaklanıyor.

Nemotron 3.5 Transcribe modeli, çok dilli destekle sesi metne dönüştürmek için geliştirildi. Transkripsiyonun yanı sıra, metin tabanlı komutları kabul ederek çeviri ve konuşmacı tanıma özelliklerini de destekliyor. Model, en yakın açık kaynaklı rakibinin aktif parametrelerinin sadece altıda birini kullanarak bir dizi kıyaslama testinde liderlik sergiliyor. Nvidia ayrıca eğitim için 800.000 saatten fazla konuşma içeren bir veri seti ve ince ayar araçları da sağladı.

Buna karşılık Granary v2, bir işlem sonrası aracı olarak işlev görüyor: model, transkribe edilmiş metni girdi olarak alıyor ve çıktı şemasını yönetmek için komutlar kullanarak bunu JSON veya SQL gibi yapılandırılmış formatlara dönüştürüyor.

Her iki model de veri işleme hatlarına entegrasyonu destekleyerek ses akışlarından raporların, toplantı tutanaklarının ve analitik özetlerin oluşturulmasını otomatikleştirmeyi sağlıyor. Geliştiriciler, standart modellerin profesyonel terminolojide genellikle hata yaptığı tıp veya hukuk gibi niş sektörler için kritik olan kendi veri setleri üzerinde sistemlere ince ayar yapabiliyorlar.

Uygulayıcılar için bu, Nvidia araçlarını kullanarak «sesten yapıya» bir işlem hattı kurma imkanı anlamına geliyor; bu da manuel etiketleme ve veri işleme sonrası süresini kısaltıyor. Modeller, Hugging Face platformu üzerinden inceleme ve test için erişilebilir durumda olup geliştiricilere belirli iş görevlerine uyum sağlamaları için esnek ayarlar sunuyor.