الوصف
نموذج NVIDIA Nemotron 3.5 Transcribe هو نموذج متقدم للتعرف التلقائي على الكلام (ASR)، يتميز بـ 34 مليار معلمة (4.3 مليار نشطة) ويحتوي على مشفر صوتي. هيكله هو نموذج لغوي هجين من نوع Mamba-2–Transformer Mixture of Experts، معزز بمشفر خبير متوازي للتعرف على الكلام والتعرف على المتحدث. تم تصميم النموذج لتحقيق دقة عالية، وتخصيص، وضبط دقيق، مما يجعله أداة قوية للمطورين والباحثين.
قراءة المزيد
يدعم هذا النموذج مجموعة واسعة من المهام، بما في ذلك النسخ الحرفي والكتابي، النسخ السياقي، النسخ المنسوب للمتحدث، النسخ الغني، ترجمة الكلام، تحديد اللغة، والإجابة على الأسئلة الصوتية. يتمتع بكفاءة في 40 لغة، مع مستويات جودة متفاوتة من «رائد» إلى «مدعوم» عبر مواقع وقدرات مختلفة مثل ASR، والترجمة، وASR متعدد المتحدثين، والتبديل بين اللغات.
تم تحسين Nemotron 3.5 Transcribe للنشر على أجهزة NVIDIA، ويتطلب تحديدًا 1× H100 80 GB لتحقيق الأداء الأمثل. يدعم دقة BF16، مع توفر متغيرات FP8 وNVFP4 أيضًا. يمكن للنموذج معالجة التسجيلات التي تصل مدتها إلى ساعة واحدة ويحتوي على طول سياق يبلغ 65,536 رمزًا. تشمل المدخلات الصوت (WAV، FLAC، MP3، OGG) والنص، مما ينتج عنه مخرجات نصية مع طوابع زمنية اختيارية للكلمات.
يظهر النموذج أداءً رائدًا عبر مجموعة متنوعة من المعايير، بما في ذلك ASR متعدد المتحدثين، التحكم في الأسلوب، ASR باللغة الإنجليزية، ASR الطويل، وASR متعدد اللغات. يقدم دليل التعليمات خيارات مرنة لحالات استخدام مختلفة، مثل إنشاء نسخ بحثية، نصوص قابلة للقراءة للتعليقات، نسخ مفردات محددة المجال، تحديد المتحدثين، ترجمة الكلام، والإجابة على الأسئلة من التسجيلات الصوتية.
نموذج NVIDIA Nemotron 3.5 Transcribe مرخص بموجب OpenMDW-1.1، مما يضمن شروط استخدام واضحة. يهدف إلى المطورين والباحثين الذين يقومون ببناء تطبيقات الكلام والصوت التي تتطلب تقييمًا ومراجعة محددة للتطبيق. تجعل القدرات القوية للنموذج ودعمه الواسع للغات منه حلاً متعدد الاستخدامات لمهام معالجة وفهم الصوت المعقدة.
- الفئةنماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
- نموذج التسعيرمفتوح المصدر
- النشرسحابي
- المنصاتLinux, Windows
أبرز ملامح NVIDIA Nemotron 3.5 Transcribe
34 مليار معلمة (4.3 مليار نشطة) مع مشفر صوتي
هيكل هجين من نوع Mamba-2–Transformer Mixture of Experts
يدعم دقة BF16 وFP8 وNVFP4
طول السياق 65,536 رمزًا لتسجيلات تصل مدتها إلى ساعة واحدة
يعالج مدخلات الصوت والنص، ويخرج نصًا مع طوابع زمنية اختيارية للكلمات
يدعم 40 لغة للنسخ والترجمة
يؤدي النسخ الحرفي والكتابي
يقدم النسخ السياقي والنسخ المنسوب للمتحدث
يتضمن قدرات النسخ الغني وترجمة الكلام
يتميز بتحديد اللغة والإجابة على الأسئلة الصوتية
محسن للنشر على أجهزة NVIDIA H100 80 GB
تنبؤ متعدد الرموز الأصلي (MTP) للتشفير التخميني
وضع تفكير قابل للتكوين عبر قالب الدردشة
يحقق دقة عالية عبر معايير ASR متعددة
ترخيص OpenMDW-1.1
البدء مع NVIDIA Nemotron 3.5 Transcribe
الوصول إلى النموذج: احصل على الوصول إلى نموذج NVIDIA Nemotron 3.5 Transcribe عبر Hugging Face.
إعداد البيئة: قم بتكوين بيئتك مع الأجهزة اللازمة من NVIDIA (مثل H100 80 GB) وأوقات تشغيل الاستدلال (vLLM، Hugging Face Transformers).
تحضير المدخلات: قدم ملفات صوتية بصيغ WAV أو FLAC أو MP3 أو OGG، و/أو نصوص.
صياغة المطالبات: استخدم هياكل المطالبات الموصى بها لمهام محددة مثل ASR الحرفي، النسخ النظيف، نسب المتحدث، أو ترجمة الكلام.
إرسال الطلب: أرسل الطلبات إلى خادم النموذج، مع تحديد أوضاع التشفير وإعدادات التفكير.
معالجة المخرجات: استقبل المخرجات النصية المولدة، والتي قد تشمل نسخًا، ترجمات، علامات المتحدث، أو إجابات على الأسئلة الصوتية.
دمج البرمجيات: دمج النموذج في التطبيقات باستخدام الهياكل وأنظمة التشغيل المدعومة (Linux، Windows عبر WSL2).
حالات استخدام NVIDIA Nemotron 3.5 Transcribe
- نسخ الأبحاث
- التعليقات والملاحظات
- نسخ المناقشات التقنية
- سير عمل مراجعة الاجتماعات
- الإملاء وواجهات الصوت
- محلية الوسائط متعددة اللغات
- البحث وفهم الصوت
- نسخ التبديل بين اللغات
- استعادة القيم الهيكلية
- طلبات المساعد الصوتي







