Description
Nemotron 3.5 ASR est un modèle de reconnaissance automatique de la parole (ASR) en streaming multilingue à la pointe de la technologie, développé par NVIDIA. Il est conçu pour fournir une transcription de haute qualité dans 40 langues-locales, ce qui en fait un outil polyvalent pour des applications mondiales. Le modèle est construit sur une architecture Cache-Aware FastConformer-RNNT, qui améliore l'efficacité computationnelle en éliminant les calculs redondants. Cela permet au modèle de traiter uniquement de nouveaux morceaux audio tout en réutilisant le contexte de l'encodeur mis en cache, réduisant ainsi considérablement le délai de bout en bout sans compromettre la précision.
Lire la suite
Le modèle prend en charge à la fois le streaming à faible latence et les charges de travail par lots à haut débit, ce qui le rend adapté à divers cas d'utilisation, y compris les applications d'agents vocaux. Il dispose d'un support natif pour la ponctuation et la capitalisation, garantissant que les transcriptions sont non seulement précises mais aussi bien formatées. La flexibilité d'exécution du modèle permet aux utilisateurs de choisir parmi des tailles de morceaux configurables, allant de 80 ms à 1120 ms, pour optimiser l'équilibre entre latence et précision.
Nemotron 3.5 ASR est équipé d'un conditionnement de prompt d'identification de langue, lui permettant de transcrire la parole dans 40 langues-locales à partir d'un seul modèle. Cette fonctionnalité inclut la détection automatique de la langue, permettant au modèle de gérer le trafic multilingue sans effort. L'architecture du modèle se compose d'un encodeur FastConformer avec 24 couches et d'un décodeur RNNT, utilisant des prompts pour guider le processus de transcription.
Le modèle est entraîné sur un vaste ensemble de données ASR, comprenant des ensembles de données publics et propriétaires, garantissant des performances robustes dans des conditions acoustiques diverses et difficiles. Il est prêt pour une utilisation commerciale et peut être affiné pour améliorer les performances pour des langues ou des domaines spécifiques. Avec ses fonctionnalités avancées et sa haute efficacité, Nemotron 3.5 ASR est une solution idéale pour les entreprises cherchant à mettre en œuvre des capacités de transcription multilingue.
- CatégorieOutils de transcription IA
- Modèle tarifaireOpen source
- DéploiementCloud
- PlateformesLinux
Points forts de Nemotron 3.5 ASR
Support multilingue pour 40 langues
Architecture Cache-Aware FastConformer-RNNT
Streaming à faible latence et traitement par lots à haut débit
Support natif pour la ponctuation et la capitalisation
Tailles de morceaux configurables pour flexibilité d'exécution
Conditionnement de prompt d'identification de langue
Détection automatique de la langue
Support pour l'affinage pour des langues spécifiques
Premiers pas avec Nemotron 3.5 ASR
Accéder au modèle : Visitez Hugging Face
S'authentifier : Utilisez la clé API
Configurer l'environnement : Installer les dépendances
Intégrer via l'API : Utilisez les points de terminaison fournis
Optimiser : Ajuster les tailles de morceaux pour la latence
Cas d'utilisation de Nemotron 3.5 ASR
- Transcription multilingue
- Applications d'agents vocaux
- Médias de diffusion
- Support client
- Éducation
