Descrição
Nemotron 3.5 ASR é um modelo de Reconhecimento Automático de Fala (ASR) em streaming multilíngue de última geração desenvolvido pela NVIDIA. Ele foi projetado para fornecer transcrição de alta qualidade em 40 idiomas, tornando-se uma ferramenta versátil para aplicações globais. O modelo é construído sobre uma arquitetura Cache-Aware FastConformer-RNNT, que melhora a eficiência computacional ao eliminar cálculos redundantes. Isso permite que o modelo processe apenas novos pedaços de áudio enquanto reutiliza o contexto do codificador em cache, reduzindo significativamente o atraso de ponta a ponta sem comprometer a precisão.
Ler mais
O modelo suporta tanto streaming de baixa latência quanto cargas de trabalho em lote de alta capacidade, tornando-o adequado para vários casos de uso, incluindo aplicações de agentes de voz. Ele possui suporte nativo para pontuação e capitalização, garantindo que as transcrições sejam não apenas precisas, mas também bem formatadas. A flexibilidade em tempo de execução do modelo permite que os usuários escolham entre tamanhos de pedaços configuráveis, variando de 80ms a 1120ms, para otimizar o equilíbrio entre latência e precisão.
Nemotron 3.5 ASR está equipado com condicionamento de prompt de identificação de idioma, permitindo que transcreva fala em 40 idiomas a partir de um único modelo. Este recurso inclui detecção automática de idioma, permitindo que o modelo lide com tráfego de idiomas mistos de forma contínua. A arquitetura do modelo consiste em um codificador FastConformer com 24 camadas e um decodificador RNNT, aproveitando prompts para guiar o processo de transcrição.
O modelo é treinado em um enorme conjunto de dados de ASR, incluindo conjuntos de dados públicos e proprietários, garantindo desempenho robusto em condições acústicas diversas e desafiadoras. Está pronto para uso comercial e pode ser ajustado para melhorar o desempenho em idiomas ou domínios específicos. Com seus recursos avançados e alta eficiência, Nemotron 3.5 ASR é uma solução ideal para empresas que buscam implementar capacidades de transcrição multilíngue.
- CategoriaFerramentas de transcrição com IA
- Modelo de preçosCódigo aberto
- ImplantaçãoNuvem
- PlataformasLinux
Destaques de Nemotron 3.5 ASR
Suporte multilíngue para 40 idiomas
Arquitetura Cache-Aware FastConformer-RNNT
Streaming de baixa latência e processamento em lote de alta capacidade
Suporte nativo para pontuação e capitalização
Tamanhos de pedaços configuráveis para flexibilidade em tempo de execução
Condicionamento de prompt de identificação de idioma
Detecção automática de idioma
Suporte para ajuste fino em idiomas específicos
Primeiros passos com Nemotron 3.5 ASR
Acessar modelo: Visite Hugging Face
Autenticar: Use a chave da API
Configurar ambiente: Instale dependências
Integrar via API: Use os endpoints fornecidos
Otimizar: Ajuste os tamanhos dos pedaços para latência
Casos de uso de Nemotron 3.5 ASR
- Transcrição Multilíngue
- Aplicações de Agentes de Voz
- Mídia de Transmissão
- Suporte ao Cliente
- Educação
