NVIDIA تطلق Nemotron 3.5 Transcribe لتحويل الكلام إلى نص
النموذج المفتوح الأوزان يدعم 40 لغة وتمييز ما يصل إلى 8 متحدثين، ونُشرت أوزانه على Hugging Face برخصة تسمح بالاستخدام التجاري.
أطلقت NVIDIA في 28 أكتوبر 2026 نموذج الذكاء الاصطناعي المفتوح الأوزان للتعرف على الكلام Nemotron 3.5 Transcribe، ونشرت أوزانه على منصة Hugging Face برخصة OpenMDW-1.1 التي تتيح الاستخدام التجاري، حسب موقع aitimes.com.
يعتمد النموذج على معمارية مزيج الخبراء (MoE) بإجمالي نحو 34 مليار معامل، منها نحو 4.3 مليار معامل نشطة. ويستطيع معالجة تسجيلات يصل طولها إلى ساعة واحدة، وتمييز ما يصل إلى 8 متحدثين مع تحديد توقيت حديث كل منهم.
يتيح النموذج للمستخدم تحديد أسلوب التفريغ باللغة الطبيعية، سواء تفريغًا حرفيًا أو جملًا منقّحة، ويتعرف على الكلام في 40 لغة، ويجري ترجمة بين 31 لغة، معظمها إلى الإنجليزية.
أفادت NVIDIA بأن النموذج حلّ أولًا بين النماذج المفتوحة الأوزان في لوحة الصدارة الإنجليزية للتعرف التلقائي على الكلام على Hugging Face بمعدل خطأ في الكلمات بلغ 4.71%. وفي تقييم متعدد اللغات شمل 7 لغات سجّل متوسط معدل خطأ 4.62%، وفي تقييم ContextASR-Bench خفّضت ميزة التعرف المعتمد على السياق أخطاء أسماء الأعلام إلى سُدس ما كانت عليه في أفضل الحالات.
وفي تجربة للتعرف على الكلام الطبي مع تدريب إضافي على بيانات خاصة، انخفض معدل خطأ الكلمات بنسبة 45.8% مقارنة بأساس محسّن من التوجيهات النصية. وتقول NVIDIA إن وحدة معالجة رسومات واحدة من RTX PRO 6000 المبنية على Blackwell قادرة على معالجة ما يصل إلى 2238 ثانية من الصوت في الثانية ضمن بيئة استدلال محسّنة، لكن ليس كل هذه التحسينات متاحًا في النسخة المفتوحة المصدر. ويأخذ النموذج ملفات صوت مسجلة ولا يعالج الصوت المتدفق المباشر.
تأتي هذه الخطوة في وقت تنافس فيه شركات ذكاء اصطناعي كبرى، من بينها Mistral وElevenLabs، في مجال التعرف على الكلام وتقنيات الوكلاء الصوتيين.
أدوات مصاحبة
توفّر NVIDIA إلى جانب النموذج أداة NeMo Speech ومجموعة البيانات التدريبية للكلام Granary 2.
أسئلة سريعة
ما الرخصة التي نُشر بها نموذج Nemotron 3.5 Transcribe؟
نُشرت أوزانه على Hugging Face برخصة OpenMDW-1.1 التي تتيح الاستخدام التجاري.
كم لغة يدعم النموذج؟
يتعرف على الكلام في 40 لغة، ويجري ترجمة بين 31 لغة، معظمها إلى الإنجليزية.
هل يعالج النموذج الصوت المباشر؟
لا، فهو يأخذ ملفات صوت مسجلة كمدخلات ولا يعالج الصوت المتدفق المباشر.