أعلنت شركة «إنفيديا»، يوم الأربعاء، إطلاق نموذج جديد مفتوح الأوزان للذكاء الاصطناعي يحمل اسم «نيموترون 3.5 ترانسكرايب» (Nemotron 3.5 Transcribe)، يتيح تحويل التسجيلات الصوتية إلى نصوص مكتوبة بما يصل إلى 40 لغة، ويمكن استخدامه مجاناً.
كما أطلقت الشركة الإصدار الثاني من «غراناري» (Granary)، وهي مجموعة بيانات صوتية مفتوحة المصدر مخصصة لتطوير تقنيات معالجة الكلام والتعرف عليه.
وتؤكد إنفيديا أن النموذج الجديد يستطيع الترجمة بين اللغة الإنجليزية و31 لغة أخرى في الاتجاهين، إلى جانب معالجة تسجيلات صوتية تصل مدتها إلى ساعة كاملة، والتمييز بين أصوات ما يصل إلى ثمانية متحدثين مختلفين.
وتقول الشركة إن نموذجها يتفوق على نماذج منافسة في اختبارات قياس الأداء، بما في ذلك التصنيف المفتوح لأنظمة التعرف الآلي على الكلام «Open ASR Leaderboard» التابع لمنصة «هاغينغ فيس».
تطبيقات في الاجتماعات والقطاع الطبي
تستهدف هذه الأدوات المطورين الذين يعملون على إنشاء تطبيقات لتوثيق اجتماعات الأعمال وتفريغ التسجيلات الطبية، وهما من أبرز المجالات التي رسخت فيها تقنيات الذكاء الاصطناعي حضورها داخل بيئات العمل.
وبحسب إنفيديا، يستطيع المطورون الاستفادة من النموذج الجديد ومجموعة البيانات المحدثة «غراناري»، إلى جانب أدوات أخرى مثل نموذج «نيمو سبيتش» (NeMo Speech)، لتخصيص التطبيقات بما يساعدها على التعرف إلى المصطلحات المتخصصة المستخدمة في مختلف القطاعات والصناعات، وبلغاتها المتعددة.
ومع ذلك، يواجه النموذج أحد القيود المهمة، إذ تقتصر قدرته على معالجة التسجيلات الصوتية المسجلة مسبقاً، ولا يدعم تفريغ البث الصوتي المباشر.
تشغيل النموذج باستخدام شريحة واحدة
رغم احتواء نموذج «نيموترون 3.5 ترانسكرايب» على 30 مليار معلمة، تؤكد إنفيديا إمكانية تشغيله باستخدام شريحة واحدة فقط.
وتشمل الشرائح المدعومة معالج «جيتسون إيه جي إكس ثور» (Jetson AGX Thor) المخصص للتحكم في الأنظمة الروبوتية، وشريحة «دي جي إكس سبارك» (DGX Spark) المستخدمة في تشغيل أجهزة حاسوب محمولة جديدة، إضافة إلى شرائح «بلاكويل» (Blackwell) المخصصة لمراكز البيانات.
وينضم النموذج الجديد إلى مجموعة نماذج الذكاء الاصطناعي الصوتية مفتوحة الأوزان التي تطورها إنفيديا، ومن بينها نموذج «باراكيت» (Parakeet)، الذي يتميز بحجمه الصغير نسبياً وقدراته القوية، ويحتوي على 1.1 مليار معلمة فقط.
منافسة متزايدة في تقنيات الذكاء الاصطناعي الصوتي
يأتي إطلاق نموذج إنفيديا الجديد في وقت يشهد فيه قطاع الذكاء الاصطناعي الصوتي نشاطاً متسارعاً، مع طرح شركات التكنولوجيا نماذج وأدوات جديدة لمعالجة الكلام والتفاعل الصوتي.
ففي وقت سابق من الشهر الجاري، أطلقت شركة «ميسترال» نموذجها الصوتي «فوكسـترال 3» (Voxtral 3)، بينما كشفت شركة «إليفن لابس» (ElevenLabs) عن تقنية «ريال تايم» (Realtime)، التي تتيح المعالجة الفورية للكلام في وكلاء الذكاء الاصطناعي الصوتيين.
كما أطلقت شركة «سيلزفورس» (Salesforce) نموذجها الصوتي «لونا أومني» (Launa-Omni)، في خطوة تعكس اتساع المنافسة بين الشركات المطورة لتقنيات الذكاء الاصطناعي الصوتي.
