إنفيديا تراهن على الذكاء الاصطناعي الصوتي بنموذج مجاني يدعم 40 لغة

تتسابق شركات التكنولوجيا لتطوير أدوات ذكاء اصطناعي قادرة على فهم الكلام وتحويله إلى نصوص بدقة أكبر.

وفي هذا السياق كشفت إنفيديا عن نموذج جديد يدعم 40 لغة ويستطيع التمييز بين أصوات 8 متحدثين داخل التسجيل الواحد. 

ويستهدف النموذج مساعدة المطورين على بناء تطبيقات لتوثيق الاجتماعات وتفريغ المحادثات الطبية مع القدرة على التمييز بين أصوات عدة متحدثين.

وفي السطور التالية نستعرض أبرز قدرات نموذج إنفيديا الجديد واستخداماته العملية والقيود التي تحد من إمكاناته.

تطبيقات لاجتماعات العمل والتفريغ الطبي

تستهدف الأدوات الجديدة المطورين الذين يعملون على تطبيقات توثيق اجتماعات العمل وتحويل المحادثات الطبية إلى نصوص مكتوبة. 

ويمكن دمج النموذج مع مجموعة بيانات «جراناري» وأدوات معالجة الكلام من «إنفيديا» لتخصيص التطبيقات والتعرف على المصطلحات الفنية المتخصصة.

وتساعد هذه الإمكانات المؤسسات على إعداد سجلات مكتوبة للمحادثات والاجتماعات والتعامل مع التسجيلات متعددة المتحدثين.

 لكن النموذج لا يدعم معالجة الصوت المباشر أثناء حدوثه ويقتصر على التسجيلات المحفوظة مسبقًا، بحسب تقرير نشره موقع «تك كرانش».

نموذج ضخم يعمل بشريحة واحدة

رغم احتواء «نيموترون 3.5» على 30 مليار مُعامل وهي وحدات حسابية تسهم في تحديد قدرات النموذج تؤكد الشركة أنه يستطيع العمل باستخدام شريحة واحدة.

وتشمل منصات التشغيل المدعومة أنظمة حوسبة مدمجة وشرائح «بلاكويل» المخصصة لمراكز البيانات.

وينضم النموذج إلى مجموعة إنفيديا الصوتية مفتوحة الأوزان التي تضم أيضًا «باراكيت» الأصغر حجمًا نسبيًا.

منافسة متزايدة في تقنيات الصوت

يأتي الإطلاق وسط توسع الشركات في تطوير أدوات الذكاء الاصطناعي الصوتي. فقد أطلقت «ميسترال» نموذجًا صوتيًا جديدًا خلال أكتوبر الجاري.

كما كشفت «إليفن لابس» و«سيلزفورس» عن تقنيات تستهدف تحسين التفاعل الصوتي وتطوير تطبيقات أكثر قدرة على فهم الكلام.

وتمنح الأوزان المفتوحة المطورين إمكانية تخصيص النماذج وبناء تطبيقات تناسب احتياجاتهم وفق شروط الترخيص بدلًا من الاعتماد الكامل على الخدمات المغلقة.