أعلنت شركة «إنفيديا» (Nvidia) إطلاق نموذج ذكاء اصطناعي جديد يحمل اسم «Nemotron 3.5 Transcribe»، يتيح تحويل التسجيلات الصوتية إلى نصوص مكتوبة بما يصل إلى 40 لغة، مع توفير أوزانه المدربة للمطورين مجاناً، في خطوة تعزز المنافسة في سوق تقنيات الذكاء الاصطناعي الصوتي.
تابعونا على التليكرام
وكشفت الشركة، الأربعاء 28 أكتوبر/تشرين الأول 2026، عن الإصدار الثاني من مجموعة البيانات الصوتية مفتوحة المصدر «Granary»، التي يمكن للمطورين الاستفادة منها في تطوير تطبيقات متخصصة في التعرف على الكلام ومعالجة التسجيلات الصوتية.
وبحسب تقرير نشره موقع «TechCrunch»، يستطيع النموذج الجديد ترجمة الكلام بين الإنجليزية و31 لغة أخرى، والتعامل مع تسجيلات تصل مدتها إلى ساعة كاملة، فضلاً عن التمييز بين ما يصل إلى ثمانية متحدثين ضمن التسجيل الواحد.
وتؤكد إنفيديا أن نموذجها حقق نتائج متقدمة في اختبارات الأداء مقارنة بعدد من النماذج المنافسة، ومنها اختبارات التعرف التلقائي على الكلام المنشورة عبر منصة «Hugging Face».
تحويل الاجتماعات والتسجيلات الطبية إلى نصوص
تستهدف إنفيديا من خلال أدواتها الجديدة المطورين الذين يعملون على إنشاء تطبيقات لتوثيق اجتماعات الأعمال والتفريغ النصي للتسجيلات الطبية، وهما من المجالات التي تتوسع فيها استخدامات الذكاء الاصطناعي داخل المؤسسات.
وتوضح الشركة أن المطورين يمكنهم الجمع بين نموذج Nemotron 3.5 Transcribe ومجموعة بيانات Granary المحدثة وأدوات مثل NeMo Speech، لإنشاء تطبيقات قادرة على التعرف على المصطلحات الفنية والمتخصصة في قطاعات مختلفة.
ويساعد ذلك على تطوير حلول لتوثيق الاجتماعات وتحويل المحادثات الطبية إلى سجلات مكتوبة، إضافة إلى معالجة التسجيلات التي تضم عدداً من المتحدثين.
لكن النموذج يواجه قيداً تقنياً مهماً، إذ يعمل على التسجيلات الصوتية المحفوظة مسبقاً، ولا يدعم التفريغ المباشر للصوت أثناء البث الحي.
نموذج بـ30 مليار مُعامل يعمل على شريحة واحدة
يعتمد Nemotron 3.5 Transcribe على بنية ذكاء اصطناعي تضم نحو 30 مليار مُعامل، مع تفعيل نحو 4 مليارات مُعامل أثناء المعالجة، وفقاً للمواصفات التي أعلنتها إنفيديا.
وتؤكد الشركة إمكانية تشغيل النموذج باستخدام شريحة حوسبة واحدة، ما يوسع خيارات استخدامه عبر منصات متنوعة.
وتشمل هذه المنصات وحدة الحوسبة الروبوتية Jetson AGX Thor، ونظام DGX Spark المخصص للحوسبة المدمجة، وصولاً إلى معالجات Blackwell المستخدمة في مراكز البيانات.
وينضم النموذج الجديد إلى عائلة النماذج الصوتية مفتوحة الأوزان التي تطورها إنفيديا، ومنها نموذج Parakeet الذي يضم 1.1 مليار مُعامل.
ماذا تعني الأوزان المفتوحة للمطورين؟
تتيح النماذج مفتوحة الأوزان للمطورين الوصول إلى الأوزان المدربة واستخدامها لتشغيل النموذج وتخصيصه بما يتناسب مع احتياجات تطبيقاتهم، وفقاً لشروط الترخيص المعتمدة.
ويمنح هذا الأسلوب المطورين خيارات أوسع من الاعتماد الحصري على خدمات الذكاء الاصطناعي المغلقة التي تُستخدم عبر واجهات برمجية.
كما توفر مجموعة بيانات Granary الجديدة موارد إضافية لتدريب نماذج التعرف على الكلام وتحسين قدرتها على التعامل مع لغات ومصطلحات مختلفة.
منافسة متزايدة في سوق الذكاء الاصطناعي الصوتي
يأتي إطلاق إنفيديا في ظل تسارع المنافسة بين شركات التكنولوجيا لتطوير نماذج قادرة على فهم الكلام البشري وتحويله إلى نصوص والتفاعل معه.
وفي وقت سابق من أكتوبر/تشرين الأول الجاري، أطلقت شركة «ميسترال» (Mistral) نموذج Voxtral 3، فيما كشفت شركة ElevenLabs عن تقنية Realtime المصممة للاستجابة الصوتية الفورية في تطبيقات وكلاء الذكاء الاصطناعي.
كما قدمت شركة Salesforce نموذجها الصوتي Launa-Omni، في مؤشر على تنامي الاهتمام بتقنيات معالجة الصوت وتوظيفها في التطبيقات المؤسسية.
ومع إطلاق Nemotron 3.5 Transcribe، تتوسع الخيارات أمام المطورين لإنشاء تطبيقات صوتية متعددة اللغات، مع التركيز على دقة التعرف على الكلام والتمييز بين المتحدثين والتعامل مع المصطلحات المتخصصة، إلى جانب إمكانية تشغيل النموذج على منصات حوسبة مختلفة.