الوصف
نموذج Nemotron 3 Diarization هو نموذج متقدم لتحديد المتحدثين تم تطويره بواسطة NVIDIA، مصمم بدقة لتحديد 'من تحدث ومتى' في سيناريوهات الصوت الواقعية. هذا النموذج قادر على التعامل مع ما يصل إلى ثمانية متحدثين في وقت واحد، مما يجعله مثاليًا للبيئات الصوتية المعقدة مثل الاجتماعات، والبودكاست، والمكالمات الهاتفية.
قراءة المزيد
يدعم النموذج كل من الاستدلال المباشر وغير المتصل، مما يوفر مرونة لمختلف حالات الاستخدام. يستخدم الاستدلال المباشر ذاكرة التخزين المؤقت للمتحدثين بترتيب الوصول (AOSC) وطابور FIFO للحفاظ على هويات المتحدثين بمرور الوقت، مما يضمن نتائج تحديد متسقة. تتضمن بنية النموذج مشفر Transformer مكون من 31 طبقة مع تضمينات موضعية دوارة، والتي تعالج ميزات مدخلات Mel-spectrogram بمدة 10 مللي ثانية.
تم تحسين نموذج Nemotron 3 Diarization لأنظمة تسريع GPU من NVIDIA، بما في ذلك وحدات معالجة الرسوميات Ampere وAda Lovelace وBlackwell وHopper. وهو متكامل مع إطار عمل NeMo، مما يسمح بنشر سلس في أنظمة الذكاء الاصطناعي. تم تدريب النموذج على مجموعة متنوعة من مجموعات البيانات، بما في ذلك المحادثات الحقيقية ومزيجات الصوت متعددة المتحدثين المحاكاة، مما يضمن أداءً قويًا عبر ظروف صوتية مختلفة.
النموذج متاح للاستخدام التجاري وغير التجاري بموجب اتفاقية ترخيص OpenMDW، الإصدار 1.1. يوفر دقة قابلة للتكوين لإطار الإخراج ويدعم الاستدلال المجزأ، مما يسمح بالتسجيلات دون مدة قصوى ثابتة. يعد Nemotron 3 Diarization أداة قيمة للتطبيقات التي تتطلب تحديد المتحدثين بدقة وتتبع النشاط.
- الفئةنماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
- نموذج التسعيرمفتوح المصدر
- النشرسحابي
- المنصاتLinux
أبرز ملامح Nemotron 3 Diarization
يدعم ما يصل إلى 8 متحدثين
استدلال مباشر وغير متصل
بنية Transformer مع 31 طبقة
تضمينات موضعية دوارة
تكامل مع إطار عمل NeMo
محسن لوحدات معالجة الرسوميات من NVIDIA
دقة إطار إخراج قابلة للتكوين
اتفاقية ترخيص OpenMDW
البدء مع Nemotron 3 Diarization
الوصول إلى النموذج: زيارة Hugging Face
المصادقة: إعداد إطار عمل NeMo
إعداد البيئة: تثبيت التبعيات
التكامل عبر API: استخدام خطوط أنابيب NeMo
تحسين: تكوين إعدادات الكمون
حالات استخدام Nemotron 3 Diarization
- تحليل الاجتماعات
- إنتاج البودكاست
- المكالمات الهاتفية
- التعرف على الكلام
- نسخ الصوت
