Nvidia tinh chỉnh y tế giảm 45,8% lỗi chuyển đổi của Nemotron 3.5 Transcribe

Hãng chip ra mắt một case study kỹ thuật cho thấy cách thích ứng mô hình chuyển đổi giọng nói mới nhất với dữ liệu chuyên biệt có thể giảm sai số trong việc chuyển đổi. Việc fine-tune theo miền cho Nemotron 3.5 Transcribe đã làm giảm tỷ lệ lỗi từ 22,44% xuống còn 12,17% trên các bản ghi âm y tế, đạt được bằng khoảng 14 GPU giờ trên một bộ xử lý GB300. Nvidia sẽ công bố công thức fine-tune cùng trọng lượng mô hình để cung cấp cho các nhà phát triển một khung làm việc để tùy chỉnh công cụ cho từ vựng chuyên biệt.

Nemotron 3.5 Transcribe là một mô hình Mixture-of-Experts với 30 tỷ tham số, trong đó khoảng 4 tỷ tham số hoạt động, có khả năng xử lý âm thanh trong 40 ngôn ngữ và phân biệt các người nói khác nhau trong cùng một bản ghi. Được thiết kế cho âm thanh không trực tuyến lên đến một giờ, công cụ open-weight này hiện đứng đầu trong số các mô hình open-weight trên bảng xếp hạng Open ASR English của Hugging Face. Nó có sẵn cho sử dụng thương mại theo giấy phép OpenMDW-1.1.