Nemotron 3.5 ASR:あなたの言語、分野、アクセントに合わせてファインチューニング
原題:How to Fine-Tune Nemotron 3.5 ASR for Your Language, Domain, or Accent
AI 要約
Nemotron 3.5 ASR は 600M パラメータの多言語ストリーミング音声認識モデルで、単一のチェックポイントで 40 の言語・地域(英語、スペイン語、ドイツ語、フランス語、イタリア語、日本語、韓国語、中国語、アラビア語などを含む)をカバーする。Cache-Aware FastConformer エンコーダと RNNT デコーダを採用し、内部状態をキャッシュして再計算を避けることで、精度を損なわずに低遅延のストリーミング文字起こしを実現する。モデルは句読点と大文字を含む本番品質のテキストをネイティブに出力し、後処理は不要である。言語の指定(target_lang=es-ES)または自動言語検出(target_lang=auto)に対応する。アテンションコンテキストサイズ(att_context_size)により、再トレーニングなしで推論時に 80ms から 1.12s の範囲で遅延と精度のトレードオフを直接調整できる。モデルは NeMo チェックポイント形式で公開され、特定の言語、分野、アクセントに適応するためのファインチューニングに利用できる。
要点
- Nemotron 3.
- 5 ASR は 600M パラメータの多言語ストリーミング音声認識モデルで、単一のチェックポイントで 40 の言語・地域(英語、スペイン語、ドイツ語、フランス語、イタリア語、日本語、韓国語、中国語、…
- Cache-Aware FastConformer エンコーダと RNNT デコーダを採用し、内部状態をキャッシュして再計算を避けることで、精度を損なわずに低遅延のストリーミング文字起こしを実現する。
- モデルは句読点と大文字を含む本番品質のテキストをネイティブに出力し、後処理は不要である。
- 言語の指定(target_lang=es-ES)または自動言語検出(target_lang=auto)に対応する。
概要
- 公開日時
- 更新日時
- カテゴリ
- チュートリアル
- AI スコア
- 75
一个模型搞定40种语言的实时语音转文字,NVIDIA还给了完整微调代码和实测数据,做语音Agent和字幕的可以照着抄作业。
出典と著作権
本記事は AIHOT の公開 API が提供する厳選タイトルと AI 要約に基づいており、出典の明記と元記事へのリンクを行っています。原文の著作権は元の媒体と著者に帰属し、当サイトは全文を転載しません。
引用方法
本記事を引用する際は、タイトル・日付・パーマリンクを保持し、出典をOrange Newsと明記してください。
Orange News:Nemotron 3.5 ASR:あなたの言語、分野、アクセントに合わせてファインチューニング。2026年6月4日。https://new.nat6.net/ja/news/cmpzjp7tw045aslkp6e927y5j/