40 ഭാഷകൾ പിന്തുണയ്ക്കുന്ന ശബ്ദം-ടെക്സ്റ്റ് മാറ്റുന്ന AI മോഡൽ ഇൻവിഡിയ പുറത്തിറക്കി

അമേരിക്കൻ കമ്പനിയായ എൻവിഡിയ, ശബ്ദ റെക്കോർഡിംഗുകളെ ടെക്സ്റ്റിലേക്ക് പരിവർത്തനം ചെയ്യുന്നതിനായി ‘നെമോട്രോൺ 3.5 ട്രാൻസ്ക്രൈബ്’ എന്ന പുതിയ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് മോഡൽ പുറത്തിറക്കിയതായി പ്രഖ്യാപിച്ചു. 40 ഭാഷകളെ പിന്തുണയ്ക്കുന്ന ഈ മോഡൽ, ഡെവലപ്പർമാർക്ക് തുറന്ന ഭാരങ്ങളോടെ (open weights) സ്വതന്ത്രമായി ഉപയോഗിക്കാൻ സാധിക്കുന്നതാണ്. കമ്പനി വ്യക്തമാക്കിയത്, ഈ പുതിയ മോഡൽ ഇംഗ്ലീഷും മറ്റു 31 ഭാഷകളും തമ്മിലുള്ള വിവർത്തനത്തെ പിന്തുണയ്ക്കുന്നു എന്നും, ഒരു മണിക്കൂർ വരെ ദൈർഘ്യമുള്ള ശബ്ദ റെക്കോർഡിംഗുകളെ പ്രോസസ്സ് ചെയ്യാൻ കഴിയുന്നു എന്നും, ഒരേ റെക്കോർഡിംഗിൽ ഉള്ള ഏഴ് വരെ സംസാരിക്കുന്നവരുടെ ശബ്ദങ്ങളെ തിരിച്ചറിയാൻ സാധിക്കുന്നു എന്നുമാണ്. കൂടാതെ, ശബ്ദ റെക്കോർഡിംഗുകളും വൈദ്യശാസ്ത്ര സംഭാഷണങ്ങളും ടെക്സ്റ്റിലേക്ക് പരിവർത്തനം ചെയ്യുന്നതിനുള്ള ആപ്ലിക്കേഷനുകളുടെ വികസനത്തെ ലക്ഷ്യമിടുന്ന ഈ മോഡലിൽ, വിവിധ മേഖലകളിലെ പ്രത്യേകതരം സാങ്കേതിക പദങ്ങളെ തിരിച്ചറിയാനുള്ള കഴിവുമുണ്ട്. 30 ബില്യൺ പാരാമീറ്ററുകൾ ഉൾക്കൊള്ളുന്ന ഈ മോഡൽ, വിവിധ കമ്പ്യൂട്ടിംഗ് പ്ലാറ്റ്ഫോമുകളിൽ ഒരു സിപിയു ഉപയോഗിച്ച് പ്രവർത്തിപ്പിക്കാൻ സാധിക്കുന്നതാണ്; ഇത് വിവിധ ആപ്ലിക്കേഷനുകളിൽ ഒന്നിലധികം കമ്പ്യൂട്ടിംഗ് സിസ്റ്റങ്ങളുടെ ആവശ്യമില്ലാതെ ഉപയോഗിക്കാൻ സഹായിക്കുന്നു.