انویدیا مدل متن‌باز تبدیل گفتار به متن با پشتیبانی از ۴۰ زبان را معرفی کردانویدیا از مدل هوش مصنوعی جدید "Nemotron 3.5 Transcribe" رونمایی کرده که می‌تواند فایل‌های صوتی تا یک ساعت را به متن تبدیل کند و از ۴۰ زبان پشتیبانی می‌کند.
تشخیص چند گوینده و ترجمه هوشمنداین مدل علاوه بر پیاده‌سازی گفتار، قادر است صدای حداکثر ۸ گوینده را از یکدیگر تشخیص دهد و گفتار ۳۱ زبان را به انگلیسی ترجمه کند.
انویدیا می‌گوید این مدل برای کاربردهایی مانند ثبت جلسات کاری و پیاده‌سازی مکالمات پزشکی مناسب است و امکان تطبیق با اصطلاحات تخصصی هر حوزه را نیز دارد.
مطالعه متن خبر #هوش_مصنوعی#مرکز_نوآوری_و_توسعه_هوش_مصنوعی#پژوهشگاه_ارتباطات_و_فناوری_اطلاعات #انویدیا #مدل_متن_باز #تبدیل_گفتار_به_متن
Aicenter