infa.lt

„Nvidia“ pristatė dirbtinio intelekto modelį „Nemotron 3.5 Transcribe“, kuris garso įrašus paverčia tekstu ir palaiko 40 kalbų, įskaitant lietuvių.

Bendrovė paskelbė modelio svorio parametrus, kad kūrėjai galėtų jį naudoti ir pritaikyti savo uždaviniams.

Sistema gali apdoroti iki valandos trukmės įrašus, atpažinti skirtingus pokalbio dalyvius ir pažymėti atskirų žodžių ištarimo laiką.

Vadovaujantis naudotojo instrukcijomis, ji gali parengti pažodinę teksto transrippciją arba tekstą su patogesniu rašybos formatu.

Modelis taip pat palaiko kalbos vertimą iš lietuvių į anglų kalbą ir atvirkščiai. Tiesa, nelabai tobulai – tekstą vis tiek reikės redaguoti rankomis.

Remiantis „Nvidia“ duomenimis, „Nemotron 3.5 Transcribe“ gali dirbti su jau įrašytu garso įrašu be interneto ryšio.

Bendrovė siūlo naudoti šią sistemą, visų pirma, susitikimų ir interviu transkribavimui, vertimo įrankių kūrimui bei kreipimųsi į pagalbos tarnybas apdorojimui.

• Apimtys: iš viso 34 mlrd. parametrų, bet vienu metu aktyvūs tik ~4,3 mlrd. (hibridinė Mamba-Transformer „mixture of experts“ architektūra). Pavadinimo „30B“ nereikėtų  vertinti pažodžiui.
• Kalbos: 40, lietuvių kalba priskirta „Production-ready“ lygiui, žemiau „Leading“ (anglų, vokiečių, prancūzų, lenkų, čekų ir kt.), bet aukščiau „Supported“.
• Įrašo trukmė: iki 1 valandos, konteksto langas 65 536 žetonai. Modelis veikia „offline“, t. y. tai ne realaus laiko transkribavimas.
• Gebėjimai: transkribavimą (pažodinį arba išvalytą nuo „ė-ė“ ir pasikartojimų), žodžių laiko žymas, kalbėtojų atskyrimą, kontekstinį transkribavimą (pateiki terminų ir vardų sąrašą), vertimą, kalbos atpažinimą ir klausimus apie įrašą.
• Pastaba: klausimai apie garso turinį, samprotavimas ir balsu duodamos instrukcijos testuotos tik angliškai.
• Formatai: BF16, FP8 ir NVFP4 (lengvesnės versijos). Oficialiai rekomenduojama viena H100 80 GB kortelė, bet NVFP4 veikia ir su RTX 5090.

Duotoje pristatymo nuorodoje yra visi duomenys, tame tarpe ir konfigūravimo.

Tie, kas turi bent dvi Nvidia RTX vaizdo kortas 2x16GB – jau turi šansą atsisiųsti kvantuotą modelį į savo kompiuterį.

Priminimas: tai nėra tipiškas kalbos modelis.

Įdomiausia šioje naujienoje ko gero tai, kad Nvidia, kuri yra didžiausia pasaulio vaizdo greitintuvų gamintoja, staiga užsimanė įsitraukti į DI industriją, kas liudija, jog mato tame perspektyvą net dabar, kai didžiosios DI bendrovės nuėjo labai toli ir kalba jau apie bendrąjį dirbtinį intelektą.