„NVIDIA“ pristatė „Nemotron 3.5 Transcribe“ daugiakalbei garso analizei
Trumpai: „NVIDIA“ išleido „Nemotron 3.5 Transcribe“ – atviro svorio, instrukcijomis valdomą modelį, skirtą kalbos vertimui į tekstą, pranešėjų diarizacijai ir vertimui. Modelyje naudojama hibridinė „Mamba-Transformer“ architektūra, užtikrinanti geriausią pramonės našumą su vos 4 milijardais aktyvių parametrų.
Šią santrauką automatiškai parengė dirbtinis intelektas pagal „Hugging Face“ publikaciją. Tai mūsų tekstas, ne originalo kopija — faktai, skaičiai ir citatos priklauso šaltiniui, kurio nuoroda pateikta viršuje ir apačioje.
Kas pasikeitė?
- 1Pridėtas transliavimo palaikymas 40 kalbų ir pranešėjų priskyrimas 13 kalbų.
- 2Pristatyta detali transliavimo formatavimo ir nerišlaus kalbėjimo valdymo funkcija naudojant užklausas.
- 3Išleistas „Granary v2“ – atviras duomenų konvejeris modelio mokymui ir pritaikymui.
- 4Optimizuotas didelio pralaidumo apdorojimui naudojant „vLLM“.
- 5Palaiko iki valandos trukmės įrašus ir iki aštuonių pranešėjų.
| Parametras | Buvo | Dabar |
|---|---|---|
| Kalbos (transkripcija) | Nenurodyta | 40 |
| Vertimo palaikymas | Nenurodyta | 31 kalba į/iš anglų k. |
| Pranešėjų priskyrimas | Nenurodyta | 13 kalbų (iki 8 pranešėjų) |
Kodėl tai svarbu?
Šis modelis sujungia transliavimą, diarizaciją ir vertimą į vieną sistemą, taip žymiai sumažindamas sudėtingumą kontaktų centro programose. Galimybė valdyti modelį užklausomis leidžia kūrėjams taikyti specifinį formatavimą (pvz., medicininį ar teisinį) be papildomo sudėtingo apdorojimo.
Ką tai reiškia AI agentams ir kontaktų centrams?
Šis modelis yra stiprus kandidatas pakeisti daugiapakopes balso apdorojimo sistemas. Diarizacijos ir ilgos formos transliavimo rezultatai rodo potencialų pagerėjimą jūsų analitikos ir kokybės užtikrinimo įrankiuose. Testuodami prioritetą teikite diarizacijos tikslumo ir delsos (latency) palyginimui su dabartiniais sprendimais, ypač atkreipdami dėmesį į gebėjimą apdoroti specifinę terminologiją per pritaikytas užklausas.
🧪 Verta testuoti
Modelyje derantis efektyvumas ir gebėjimas atlikti sudėtingą pranešėjų priskyrimą daro jį prioritetiniu kandidatu balso agentų tikslumui ir diarizacijos našumui gerinti.
Šaltiniai
- Hugging FaceOficialusPirminis šaltinisOriginalus straipsnis →„NVIDIA Nemotron 3.5 Transcribe and Granary v2: Intelligent Multilingual Transcription You Can Prompt and Adapt“2026-10-28 16:58
- Šaltinio publikavimo data
- 2026-10-28 16:58
- Mūsų sistema rado
- 2026-10-28 17:22
- Santrauka sugeneruota
- 2026-10-28 17:22
Straipsnį pagal originalų šaltinį parašė AI. Faktai, skaičiai ir kainos — iš šaltinio; trūkstamos reikšmės pažymėtos „Nėra oficialių duomenų“. Teisinė informacija, autorių teisės ir privatumas