AIAmerika Kaskazini

Modeli mpya ya NVIDIA hugeuza rekodi kuwa maandishi kulingana na kazi

NVIDIA ilitoa Nemotron 3.5 Transcribe tarehe 28 Oktoba. Modeli yenye uzito ulio wazi huchakata rekodi katika lugha arobaini na sauti hadi saa moja, huku maelekezo na muktadha vikiongoza matokeo.

iNewsChannel IntelligenceHabari kwa msaada wa AI · Uchambuzi wenye vyanzo

Chanzo kilichapishwa: 28 Okt 2026
Imechapishwa: 2 Nov 2026

2 dak · Muda wa kusoma

Mchoro wa NVIDIA wa Nemotron 3.5 Transcribe unaunganisha sauti iliyorekodiwa na maagizo na miundo tofauti ya maandishi ya sauti. — © 2026 NVIDIA Corporation & Affiliates · OpenMDW-1.1 (included documentation) · Mchoro wa asili kutoka kadi ya modeli ya NVIDIA unaonyesha jinsi maagizo yanavyoongoza ubadilishaji wa sauti kuwa maandishi. Takwimu za utendaji ni vipimo vya NVIDIA katika usanidi wake wa NIM ulioboreshwa, si matokeo yanayotumika kwa kila usanidi.

Imeongezwa baada ya habari zetu za awali. Tarehe ya chanzo asili imeonyeshwa hapa chini; si tangazo jipya la leo.

Kilichotokea

Kazi zilizoandikwa ni unukuzi wa neno kwa neno na uliosafishwa, msamiati wa muktadha, maandishi yanayohusishwa na wasemaji, tafsiri, utambuzi wa lugha na majibu kuhusu sauti. Alama za hiari za muda kwa kila neno husaidia kuvinjari rekodi. Kadi inaorodhesha matoleo ya BF16, FP8 na NVFP4 chini ya OpenMDW-1.1.

Ripoti ya kiufundi inaeleza kuwa kumbukumbu ya mkutano inayosomeka, mahojiano ya neno kwa neno na maandishi yenye majina maalumu yanahitaji matibabu tofauti ya hotuba ileile. Modeli moja iliyoongezewa uwezo wa sauti hujibu maelekezo hayo badala ya kuweka kanuni zote za unukuzi mapema.

Hii ni modeli ya kuchakata rekodi baada ya kurekodiwa, si wakala kamili wa sauti wa moja kwa moja. Lebo za wasemaji hutofautisha sauti ndani ya rekodi; hazithibitishi utambulisho halisi wa watu.

iNC / Uchambuzi

Kwa nini ni muhimu

Kwa vituo vya mawasiliano, wachapishaji na mifumo ya ndani ya maarifa, fursa ni hatua ya uchakataji inayobadilika zaidi baada ya sauti kunaswa. Wakala wa sauti wa moja kwa moja pia huhitaji utiririshaji, usimamizi wa mazungumzo na zamu za kuzungumza zinazoaminika; uwezo huo haupaswi kudhaniwa kutokana na toleo la unukuzi.

Cha kufuatilia

Jaribu lafudhi wakilishi, kelele za nyuma, sauti zinazopishana na msamiati maalumu. Linganisha kazi ya kusahihisha na gharama ya uchakataji pamoja na viwango vya makosa ya maneno, na weka ukaguzi wa binadamu pale kosa linapoweza kubadili maana kwa kiasi kikubwa.