Nemotron 3.5 Transcribe من NVIDIA تتعادل في المرتبة #1 بين نماذج تحويل الكلام إلى نص ذات الأوزان المفتوحة بمعدل WER يبلغ 2.8%، مستخدمةً 4B معاملات نشطة فقط
Nemotron 3.5 Transcribe هي نموذج تحويل الكلام إلى نص الجديد ذو الأوزان المفتوحة من NVIDIA للنسخ غير المتدفق، بـ 30B معاملات إجمالية و4B معاملات نشطة، وهي النموذج الأكثر دقة من NVIDIA على قائمتنا لنماذج تحويل الكلام إلى نص غير المتدفقة.
أبرز النقاط
➤ الدقة: تحصل Nemotron 3.5 Transcribe على 2.8% في مؤشر AA-WER، متعادلةً مع Voxtral Small من Mistral في المرتبة #1 بين النماذج ذات الأوزان المفتوحة. وتتفوق على Voxtral Small في AA-AgentTalk، مجموعة بياناتنا لمحادثات وكلاء الصوت، بنسبة 1.8% مقابل 2.3%.
➤ حجم النموذج: بـ 4B معاملات نشطة (30B إجمالية)، تحتل Nemotron 3.5 Transcribe حدود الأوزان المفتوحة لـ AA-WER مقابل المعاملات النشطة. إنها تطابق دقة Voxtral Small من Mistral بعدد معاملات نشطة أقل بـ 6x (4B مقابل 24B)، بينما تقع نماذج أخرى ذات أوزان مفتوحة بحجم مماثل عند حوالي 4% WER.
مبروك لـ @NVIDIAAI على الإطلاق!
شاهد المزيد من التفاصيل أدناه ⬇️