บทแนะนำและเทคนิค

Nemotron 3.5 ASR: ปรับแต่งสำหรับภาษาหรือสำเนียงของคุณ

หัวข้อต้นฉบับ:How to Fine-Tune Nemotron 3.5 ASR for Your Language, Domain, or Accent

สรุปโดย AI

Nemotron 3.5 ASR เป็นโมเดลรู้จำเสียงพูดแบบสตรีมมิ่งหลายภาษาขนาด 600M พารามิเตอร์ จุดตรวจเดียวครอบคลุม 40 ภาษา-ภูมิภาค (รวมถึงอังกฤษ สเปน เยอรมัน ฝรั่งเศส อิตาลี ญี่ปุ่น เกาหลี จีน อาหรับ เป็นต้น) ใช้ตัวเข้ารหัส Cache-Aware FastConformer และตัวถอดรหัส RNNT โดยแคชสถานะภายในเพื่อหลีกเลี่ยงการคำนวณซ้ำ ทำให้ถอดเสียงแบบสตรีมมิ่งได้โดยมีความหน่วงต่ำและไม่สูญเสียความแม่นยำ โมเดลสร้างข้อความระดับการผลิตที่มีเครื่องหมายวรรคตอนและตัวพิมพ์ใหญ่อย่างเป็นธรรมชาติโดยไม่ต้องประมวลผลภายหลัง รองรับการระบุภาษา (target_lang=es-ES) หรือตรวจจับภาษาอัตโนมัติ (target_lang=auto) สามารถปรับสมดุลระหว่างความหน่วงและความแม่นยำได้โดยตรงในขณะอนุมานผ่านขนาดบริบทความสนใจ (att_context_size) ตั้งแต่ 80ms ถึง 1.12s โดยไม่ต้องฝึกอบรมใหม่ โมเดลเผยแพร่ในรูปแบบจุดตรวจ NeMo และสามารถนำไปปรับแต่งเพื่อให้เหมาะกับภาษา โดเมน หรือสำเนียงเฉพาะได้

ข้อมูลสำคัญ

  • Nemotron 3.
  • 5 ASR เป็นโมเดลรู้จำเสียงพูดแบบสตรีมมิ่งหลายภาษาขนาด 600M พารามิเตอร์ จุดตรวจเดียวครอบคลุม 40…
  • 12s โดยไม่ต้องฝึกอบรมใหม่ โมเดลเผยแพร่ในรูปแบบจุดตรวจ NeMo…

สรุปสั้น

เวลาเผยแพร่
เวลาอัปเดต
แหล่งที่มา
Hugging Face 社区博客(混合发现)
หมวดหมู่
บทแนะนำและเทคนิค
คะแนน AI
75
อ่านต้นฉบับ อ่านบทความฉบับเต็มที่แหล่งข่าวต้นฉบับ
เหตุผลที่แนะนำ

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。

แหล่งที่มาและลิขสิทธิ์

บทความนี้เรียบเรียงจากพาดหัวคัดสรรและบทสรุป AI จาก API สาธารณะของ AIHOT โดยระบุแหล่งที่มาและลิงก์กลับแล้ว ลิขสิทธิ์ต้นฉบับเป็นของสื่อและผู้เขียนต้นทาง เว็บไซต์นี้ไม่ได้สะท้อนเนื้อหาฉบับเต็ม

ลิงก์ต้นฉบับ · รายการ AIHOT

วิธีอ้างอิง

เมื่ออ้างอิงบทความนี้ โปรดระบุชื่อเรื่อง วันที่ และลิงก์ถาวร พร้อมระบุแหล่งที่มาเป็น Orange News

Orange News: Nemotron 3.5 ASR: ปรับแต่งสำหรับภาษาหรือสำเนียงของคุณ 4 มิถุนายน 2026 https://new.nat6.net/th/news/cmpzjp7tw045aslkp6e927y5j/

ดูทั้งหมด →