Ачаалж байна…
Ачаалж байна…
Монцамэ

БАКУ, 2026 оны аравдугаар сарын 29 /azertag/. АНУ-ын Nvidia компани яриа таних, орчуулах болон аудио бичлэгт дүн шинжилгээ хийх зориулалттай, нээлттэй эх кодтой хиймэл оюуны “Nemotron 3.5 Transcribe” загварыг танилцуулжээ.
Уг загвар нь 40 хэлээр ярьсан дуу хоолой эсвэл бичвэрийг ойлгох, мөн нэг цаг хүртэлх хугацаатай дуу бичлэгийг боловсруулах чадвартай байна. Мөн 31 хэлнээс англи хэл рүү орчуулахын зэрэгцээ 13 хэлээрх яриаг ялган танидаг ажээ.
“Nemotron 3.5 Transcribe” загвар нь найм хүртэлх хүн зэрэг ярьж буй дуу бичлэгийг боловсруулах чадвартай аж. Хэрэглэгчид текстэн заавар ашиглан яригч бүрийг ялгасан бичвэр, орчуулга, хэлэлцүүлгийн товч хураангуй гаргуулах, мөн бичлэгийн агуулгатай холбоотой асуултад хариулт авах боломжтой.
Түүнчлэн уг загварт мэргэжлийн нэр томьёо бүхий зааварчилгаа өгөх боломжтой тул анагаах ухаан зэрэг тусгай салбарын хэрэгцээнд ашиглаж болно.
Хөгжүүлэгчийн мэдээлснээр, уг загвар нь яриа таних системүүдийн нээлттэй үнэлгээний “Open ASR Leaderboard” жагсаалтад нэгдүгээрт орсон бөгөөд үг яриа таних алдааны дундаж түвшин нь 5.33 хувьтай гарсан байна.
Nvidia компани мөн 48 хэлээрх нийт 844 мянга орчим цагийн дуу бичлэгийг багтаасан “Granary v2” өгөгдлийн багцыг танилцуулсан байна. Уг багц нь яриа таних хиймэл оюуны загваруудыг сургах, сайжруулахад ашиглах зориулалттай аж.
“Nemotron 3.5 Transcribe” загвар болон “Granary v2” өгөгдлийн багцыг “Hugging Face” платформоос ашиглах боломжтой. Тус компани мөн загварыг тодорхой салбарын онцлогт тохируулан нэмэлтээр сургах хэрэгслүүдийг санал болгож байгаа ажээ.