NVIDIA вновь на вершине: революция в области распознавания речи и перевода |
||
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2024-04-15 11:42 Прорывные разработки NVIDIA в области искусственного интеллекта снова ставят компанию в лидеры инноваций. На этот раз в центре внимания — модели распознавания речи и перевода, которые устанавливают новые стандарты скорости и точности. Лидерство на HuggingFace: Модели NVIDIA занимают первые строчки на лидерборде HuggingFace, опережая других ИИ-титанов: Whisper от OpenAI и Hubert от Facebook. Canary 1B — мультиязычная модель, демонстрирующая передовую точность на множестве бенчмарков. Она способна транскрибировать речь на английском, немецком, французском и испанском языках, как с пунктуацией и заглавными буквами, так и без них. К тому же модель поддерживает двунаправленный перевод с английского на немецкий, французский и испанский языки и обратно. P-Flow — модель, способная использовать короткий голосовой запрос всего в три секунды для создания речи с характеристиками голоса диктора, не включенного в обучающие данные модели. Созданная P-Flow речь отличается высокой степенью схожести с голосом в запросе и предпочтительнее по сравнению с аналогами по человеческому сходству и схожести голоса. P-Flow состоит из текстового кодера, адаптирующего голос диктора, и генеративного декодера для синтеза высококачественной персонализированной речи значительно быстрее, чем в реальном времени. Это позволяет создавать уникальные голоса без необходимости огромных наборов данных, сложных настроек обучения и медленных авторегрессивных формул. В заключение, модели Speech-To-Text открыты и доступны на HuggingFace, и скоро будут в NVIDIA Riva, в то время как P-Flow доступна только для Enterprise (ответственный подход для предотвращения использования настолько мощной модели в злых целях!) Источник: vk.com Комментарии: |
|