أصدرت Nvidia يوم الأربعاء Nemotron 3.5 Transcribe، وهو نموذج مجاني ومفتوح يقوم بنسخ الصوت بما يصل إلى 40 لغة. كما أصدرت أيضًا الإصدار 2 من Granary، مجموعة بيانات الكلام مفتوحة المصدر.

تفتخر Nvidia بأن Nemotron 3.5 يمكنه ترجمة 31 لغة من وإلى الإنجليزية، والتعامل مع التسجيلات لمدة تصل إلى ساعة، والتمييز بين ما يصل إلى ثمانية متحدثين. تدعي أنها تتفوق على المنافسين في المعايير، بما في ذلك لوحة المتصدرين Open ASR الخاصة بـ Hugging Face.

تستهدف هذه الأدوات المطورين الذين يقومون بإنشاء تطبيقات لاجتماعات العمل والنسخ الطبي، وهما من أكثر أدوات الذكاء الاصطناعي رسوخًا في مكان العمل. تقول Nvidia أن المطورين يمكنهم استخدام النموذج ومجموعة بيانات Granary المحدثة وأدوات مثل نموذج NeMo Speech لتخصيص التطبيقات للتعرف على المصطلحات الصناعية في كل لغة. عيب واحد: يعمل Transcribe مع الصوت المسجل، وليس البث المباشر.

ومع ذلك، تعد الشركة بأن Transcribe، مع 30 مليار معلمة، يمكن تشغيلها على شريحة واحدة، بدءًا من وحدة التحكم الروبوتية Jetson AGX Thor وشريحة DGX Spark التي تعمل على تشغيل أجهزة الكمبيوتر المحمولة الجديدة، إلى الرقائق الموجودة في مركز بيانات Blackwell. إنه ينضم إلى نماذج الصوت المفتوح من Nvidia، بما في ذلك Parakeet الصغير جدًا ولكنه قوي (1.1 مليار معلمة).

يأتي أحدث إدخال صوتي لـ Nvidia خلال فترة مزدحمة بإصدارات صوت الذكاء الاصطناعي: قامت Mistral بشحن Voxtral 3 في وقت سابق من هذا الشهر؛ أطلقت ElevenLabs برنامج Realtime للكلام الفوري في وكلاء الصوت. وأطلقت Salesforce نموذجها الصوتي Launa-Omni.