एनभिडियाले ४० भाषा समर्थन गर्ने आवाजबाट पाठमा रूपान्तरण गर्ने कृत्रिम बुद्धिमत्ता मोडल सार्वजनिक गर्छ

अमेरिकी कम्पनी ‘एनभिडिया’ले ‘नेमोट्रोन ३.५ ट्रान्सक्राइब’ नामक नयाँ कृत्रिम बुद्धिमत्ता मोडल सार्वजनिक गरेको छ, जसले ध्वनि रेकर्डहरूलाई लेखित पाठमा रूपान्तरण गर्छ। यसले ४० वटा भाषाहरूलाई समर्थन गर्दछ र डेभलपरहरूले यसलाई खुला वजनहरू (open weights) सहित निःशुल्क प्रयोग गर्न सक्छन्। कम्पनीले स्पष्ट पार्यो कि नयाँ मोडलले अंग्रेजी र ३१ वटा अन्य भाषाहरू बीच अनुवाद, एक घण्टासम्म लामो ध्वनि रेकर्डहरूको प्रशोधन, र एउटै रेकर्डमा आठ जना भोक्ताहरूको आवाज छुट्याउने क्षमता प्रदान गर्दछ। यसले ध्वनि रेकर्डहरूलाई लेखित पाठमा रूपान्तरण गर्ने एप्लिकेसनहरूको विकास, चिकित्सा कुराकानीहरूको प्रशोधन, र विभिन्न क्षेत्रहरूका विशेषज्ञ तकनीकी शब्दावलीहरूको पहिचानलाई लक्ष्य गरेको छ। यस मोडलमा ३० अर्ब प्यारामिटरहरू छन्, र यसलाई विभिन्न कम्प्युटिङ प्लेटफर्महरूमा एउटा GPU चिप प्रयोग गरेर चलाउन सकिन्छ, जसले विभिन्न एप्लिकेसनहरूमा यसको प्रयोगलाई सुविधाजनक बनाउँछ र धेरै कम्प्युटिङ प्रणालीहरूको आवश्यकता हटाउँछ।