أخبارنُشر:
إنفيديا تطلق Nemotron 3.5 Transcribe: نموذج مفتوح يفرغ الكلام بأربعين لغة منها العربية
نموذج مفتوح الأوزان من إنفيديا يحول التسجيلات الصوتية إلى نص بأربعين لغة، ويترجم ويميز المتحدثين، والعربية مدعومة لكن قد تحتاج ضبطًا إضافيًا.
نشرت إنفيديا نموذجًا جديدًا اسمه Nemotron 3.5 Transcribe، وهو نموذج مفتوح الأوزان متخصص في تحويل الكلام المسجل إلى نص، وأتاحته للتحميل على Hugging Face وModelScope. ما شدني فيه أنه لا يكتفي بالتفريغ، بل يجمع في نموذج واحد عدة مهام كانت تحتاج عادة أدوات منفصلة.
ماذا يفعل النموذج؟
- يفرغ الكلام في 40 لغة، ويترجم 31 لغة منها من الإنجليزية وإليها.
- يميز المتحدثين في 13 لغة، ويستطيع تسمية ما يصل إلى ثمانية متحدثين في التسجيل الواحد.
- يتعامل مع تسجيلات تصل مدتها إلى ساعة كاملة، ويمكن توجيهه بتعليمات مكتوبة، مثل تزويده بقائمة أسماء متوقعة حتى يكتبها بشكل صحيح.
- يعمل على تسجيلات جاهزة فقط، لا على البث الحي.
بحسب صفحة النموذج، حجمه الكلي نحو 34 مليار معامل لكن ما يعمل منها فعليًا عند كل خطوة نحو 4.3 مليار فقط، ويكفي لتشغيله معالج رسومي واحد من فئة H100. وأطلقت إنفيديا معه أيضًا النسخة الثانية من مجموعة بيانات الكلام Granary.
ماذا عن العربية؟
العربية موجودة في القائمة، مع الترجمة وتمييز المتحدثين، لكن إنفيديا تصنفها بدرجة «مدعومة»، أي أنها قد تحتاج ضبطًا إضافيًا على بيانات خاصة قبل أن تصل إلى جودة الاستخدام الفعلي. اليابانية في المقابل مصنفة «جاهزة للإنتاج».
رأيي
هذا التفصيل الصغير هو القصة بالنسبة إلي. نموذج مفتوح يتعامل مع اليابانية بجودة عالية ويمكن تدريبه أكثر على العربية يفتح بابًا للمطورين العرب لبناء أدوات تفريغ وترجمة محلية لمقابلات المبدعين والفعاليات والبودكاست. لكنه لن يكون مفيدًا لنا فعلًا إلا إذا تولى أحد ضبطه على لهجاتنا، وهذا تحدٍ ينتظر من يلتقطه.
المصدر
المصدر: huggingface.co