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
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
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/