أعلنت شركة إنفيديا إطلاق نموذج الذكاء الاصطناعي الجديد Nemotron 3.5 Transcribe، الذي يتيح تحويل التسجيلات الصوتية إلى نصوص مكتوبة مع دعم ما يصل إلى 40 لغة.
ويأتي هذا الإطلاق في إطار المنافسة المتزايدة بين شركات التكنولوجيا لتطوير أدوات أكثر كفاءة في التعرف على الكلام ومعالجة الصوت.
ويتميز النموذج الجديد بقدرته على التعامل مع التسجيلات الطويلة، إذ يمكنه معالجة ملفات صوتية تصل مدتها إلى ساعة كاملة.
كما يستطيع التمييز بين ما يصل إلى 8 متحدثين داخل التسجيل الواحد، وهو ما يجعله مناسبًا لتفريغ الاجتماعات والمحادثات التي يشارك فيها أكثر من شخص.
إنفيديا تطور نموذجًا لتحويل الصوت إلى نص
يستهدف نموذج Nemotron 3.5 Transcribe المطورين والشركات التي تحتاج إلى أدوات متقدمة لتحويل الكلام إلى نصوص مكتوبة.
ويمكن الاستفادة منه في تطوير تطبيقات تعتمد على التعرف التلقائي على الكلام، وتوثيق المناقشات، وتنظيم المعلومات الواردة في التسجيلات الصوتية.
ووفقًا للتفاصيل المعلنة، يدعم النموذج 40 لغة، كما يتيح الترجمة من الإنجليزية وإليها ضمن 31 لغة. وتوفر هذه الإمكانات فرصًا لتطوير تطبيقات متعددة اللغات، خاصة في المؤسسات التي تتعامل مع موظفين وعملاء من خلفيات لغوية مختلفة.
ولا تقتصر أهمية الأداة على تحويل الكلمات المنطوقة إلى نصوص فقط، بل تمتد إلى تحديد المتحدثين داخل التسجيل.
وتساعد هذه الخاصية على تنظيم محتوى المحادثات وتوضيح الأجزاء التي قالها كل مشارك، وهو أمر مهم عند إعداد محاضر الاجتماعات أو مراجعة المقابلات المسجلة.
تفريغ الاجتماعات والتسجيلات الطبية
تستهدف إنفيديا من خلال النموذج الجديد مجموعة من الاستخدامات المهنية، أبرزها تفريغ اجتماعات العمل وتحويل التسجيلات الطبية إلى نصوص مكتوبة.
ففي بيئات العمل، يمكن للمطورين استخدام النموذج لبناء أدوات تساعد على توثيق المناقشات وتسهيل مراجعة القرارات التي جرى اتخاذها خلال الاجتماعات.. كما يمكن أن تسهم هذه الأدوات في تقليل الوقت الذي يستغرقه تفريغ التسجيلات يدويًا.
أما في القطاع الطبي، فيمكن توظيف تقنيات التعرف على الكلام لتطوير تطبيقات تساعد على تحويل الإملاءات والتسجيلات المهنية إلى نصوص قابلة للمراجعة.
ومع ذلك، تظل مراجعة النصوص الناتجة ضرورية، خاصة عندما يتعلق الأمر بالمصطلحات الطبية أو المعلومات التي تتطلب دقة عالية.
وتتيح إنفيديا للمطورين إمكانية تخصيص التطبيقات باستخدام النموذج الجديد ومجموعة البيانات الصوتية Granary المحدثة، إلى جانب أدوات مثل NeMo Speech.
ويساعد هذا النهج على تكييف التطبيقات مع المصطلحات الفنية المستخدمة في قطاعات مختلفة.
نموذج يضم 30 مليار مُعامل
من أبرز مواصفات Nemotron 3.5 Transcribe احتواؤه على 30 مليار مُعامل، وهي عناصر رقمية تُستخدم داخل النموذج لمعالجة البيانات والتعرف على الأنماط اللغوية والصوتية.
ورغم هذا الحجم، تقول إنفيديا إن النموذج قادر على العمل باستخدام شريحة واحدة، ما يتيح تشغيله عبر منصات حوسبة متنوعة بدلًا من الاقتصار على بيئة واحدة.
وتشمل المنصات المذكورة وحدة الحوسبة الروبوتية Jetson AGX Thor، وجهاز DGX Spark، بالإضافة إلى شرائح Blackwell المستخدمة في مراكز البيانات.
وتمنح هذه المرونة المطورين خيارات مختلفة لتشغيل النموذج وفقًا لطبيعة التطبيق والموارد الحاسوبية المتاحة.
ومع ذلك، فإن متطلبات التشغيل الفعلية والأداء قد يختلفان بحسب المنصة المستخدمة وطبيعة المهام المنفذة.
ما أهمية الأوزان المفتوحة للمطورين؟
تقدم إنفيديا النموذج بأوزان مفتوحة، ما يسمح للمطورين بالوصول إلى الأوزان المدربة واستخدامها في بناء تطبيقات مخصصة.. وفقًا لشروط الترخيص المعمول بها.
ويختلف هذا النهج عن الاعتماد الحصري على الخدمات المغلقة التي تتيح الوصول إلى قدرات الذكاء الاصطناعي من خلال واجهات برمجية فقط.
إذ تمنح الأوزان المفتوحة المطورين مرونة أكبر في دراسة النموذج وتكييفه مع احتياجات مشروعاتهم.
كما كشفت الشركة عن الإصدار الثاني من مجموعة البيانات الصوتية مفتوحة المصدر Granary.. التي يمكن استخدامها في تطوير أنظمة معالجة الكلام والتعرف عليه.
وتدعم هذه الخطوة جهود المطورين لبناء تطبيقات صوتية أكثر تخصصًا.. سواء لخدمة المؤسسات أو تطوير أدوات للتعامل مع التسجيلات بلغات متعددة.
ما القيود التي يجب معرفتها قبل استخدام النموذج؟
على الرغم من الإمكانات التي يقدمها Nemotron 3.5 Transcribe، فإنه لا يدعم معالجة البث الصوتي المباشر في أثناء حدوثه، وفقًا للمعلومات المنشورة عن إطلاقه.
ويعني ذلك أن استخدامه يركز على التسجيلات الصوتية المحفوظة، وليس بالضرورة على تحويل المحادثات المباشرة إلى نصوص لحظة بلحظة.
ويمثل هذا الفارق نقطة مهمة للمطورين عند اختيار الأداة المناسبة، خاصة إذا كانوا يعملون على تطبيقات تحتاج إلى استجابة فورية للصوت.
كما ينبغي مراجعة النصوص الناتجة عند استخدامها في سياقات حساسة.. لأن دقة التفريغ قد تتأثر بجودة التسجيل، وتداخل الأصوات، واللهجات، والمصطلحات المتخصصة.
منافسة متزايدة في سوق الذكاء الاصطناعي الصوتي
يأتي إطلاق نموذج إنفيديا الجديد وسط توسع المنافسة في سوق الذكاء الاصطناعي الصوتي.. مع اتجاه شركات التكنولوجيا إلى تطوير أدوات تفهم الكلام وتحوّله إلى معلومات قابلة للاستخدام داخل التطبيقات والخدمات الرقمية.
وتسعى هذه الشركات إلى تقديم حلول تخدم الاجتماعات، وخدمة العملاء، والتوثيق، والتطبيقات المهنية التي تعتمد على معالجة الصوت.
ومع دعم لغات متعددة وإمكانية التمييز بين المتحدثين، تضيف إنفيديا خيارًا جديدًا أمام المطورين الراغبين في إنشاء تطبيقات لتحويل الصوت إلى نص.
ومن المتوقع أن تظل كفاءة هذه النماذج وسهولة تشغيلها ودقتها في التعامل مع اللغات المختلفة عوامل أساسية في تحديد مدى انتشارها واستخدامها في التطبيقات العملية.
