Nvidia ได้เปิดตัว Nemotron 3.5 Transcribe ซึ่งเป็นโมเดลแบบ Open-weight ที่ออกแบบมาเพื่อรองรับงานด้านการถอดความเสียง (Transcription) และการแปลภาษา (Translation) ในรูปแบบหลายภาษา
นอกเหนือจากการเปิดตัวโมเดลดังกล่าวแล้ว Nvidia ยังได้ปล่อย Granary v2 ซึ่งเป็นชุดข้อมูลด้านเสียง (Speech dataset) ในรูปแบบโอเพนซอร์ส เพื่อสนับสนุนการพัฒนาเทคโนโลยีที่เกี่ยวข้องกับเสียงให้มีความก้าวหน้ายิ่งขึ้น
ทำไมเรื่องนี้จึงสำคัญ
การเปิดตัวโมเดลและชุดข้อมูลในรูปแบบ Open-weight และโอเพนซอร์สช่วยให้นักพัฒนาและองค์กรต่างๆ สามารถเข้าถึงเครื่องมือที่มีประสิทธิภาพในการจัดการงานด้านเสียงและภาษาได้ง่ายขึ้น ซึ่งส่งผลโดยตรงต่อการพัฒนาแอปพลิเคชันที่ต้องการความสามารถในการแปลและถอดความหลายภาษา
มุมมอง Agent2Day
การที่ Nvidia เลือกเปิดตัวโมเดลและชุดข้อมูลในลักษณะเปิดกว้าง สะท้อนให้เห็นถึงกลยุทธ์ในการสร้างระบบนิเวศที่แข็งแกร่งผ่านการดึงดูดนักพัฒนาให้เข้ามาใช้เครื่องมือของบริษัทในการสร้างนวัตกรรมด้านเสียงและภาษา
การเคลื่อนไหวครั้งนี้ถือเป็นการขยายขีดความสามารถของ Nvidia ในกลุ่มโมเดลภาษาและเสียงที่เปิดกว้างให้ผู้พัฒนาสามารถนำไปใช้งานต่อยอดได้
ทั้งนี้ ข้อมูลดังกล่าวเป็นส่วนหนึ่งของการประกาศล่าสุดจาก Nvidia ในด้านเทคโนโลยีปัญญาประดิษฐ์และชุดข้อมูลสำหรับการประมวลผลเสียง
