Speech
إطار عمل توليدي قابل للتوسع للذكاء الاصطناعي للتعرف على الكلام وتحويل النص إلى كلام.
إنشاء ونشر حلول ذكاء اصطناعي مخصصة للكلام ونماذج LLM باستخدام PyTorch
NVIDIA NeMo Speech هو إطار عمل للذكاء الاصطناعي التوليدي مصمم للمطورين الذين يقومون بنناء تطبيقات التعرف التلقائي على الكلام، وتحويل النص إلى كلام، ونماذج الكلام الكبيرة (Speech LLM). وهو مناسب لمطوري لغة Python والباحثين الذين يحتاجون إلى خطوط أنابيب مخصصة لنماذج الكلام.
ما هو
يوفر مكونات وحداتية للتعرف على الكلام، وتحويل النص إلى كلام، ونماذج الكلام الكبيرة، مما يتيح لك تدريب وتخصيص ونشر نماذج الكلام باستخدام PyTorch. وهو يدعم بنيات متقدمة مثل Fastconformer ومجموعات البيانات متعددة اللغات.
لمن هو
مناسب لمهندسي تعلم الآلة والباحثين الذين ينشئون خطوط أنابيب كلام متخصصة. ولا يناسب الأطباء أو المعالجين غير التقنيين الذين يبحثون عن تطبيقات نسخ جاهزة للاستخدام دون برمجة.
أهم الميزات
دعم التعرف على الكلام المباشر (Streaming ASR)
إنشاء تطبيقات التعرف على الكلام المباشر منخفضة زمن الوصول باستخدام نماذج Fastconformer الواعية لذاكرة التخزين المؤقت.
تحويل النص إلى كلام متعدد اللغات
تركيب كلام طبيعي عبر لغات متعددة باستخدام معم رومية MagpieTTS.
تكامل PyTorch
يتكامل مباشرة في بيئات Python و PyTorch الحالية دون استبدال حزمة البرمجيات الخاصة بك.
استدلال مرن
نشر النماذج عبر حاويات Docker أو التثبيت مباشرة من المصدر باستخدام إدارة حزم uv.
جاهز للعمل في 3 خطوات
حكمنا الصادق
ما يميّزه
- دعم مدمج لنماذج التعرف على الكلام المباشر منخفضة زمن الوصول
- تركيب كلام متعدد اللغات عبر العديد من اللغات
- يتكامل مباشرة في بيئات PyTorch و Python الحالية
- حويات NGC Docker رسمية متاحة عمليات نشر قابلة للتكرار
أين يقصّر
- يتطلب وحدات معالجة رسومات NVIDIA مخصصة مع CUDA لتدريب النماذج والاستدلال العملي
- يتطلب مهارات متقدمة في Python وهندسة تعلم الآلة للتكوين
- يتضمن الإعداد إدارة تبعيات مصدر معقدة وملفات قفل
التسعير والرخصة
مجاني بموجب ترخيص Apache-2.0، والتكلفة المباشرة الوحيدة هي البنية التحتية للتشغيل المطلوبة لاستضافة وتشغيل النماذج بنفسك.
وظائف للناطقين بالعربية
870 وظيفة مفتوحة عن بعد في تدريب الذكاء الاصطناعي، آخر تحديث ١٤ نوفمبر ٢٠٢٦؛ أجر معظمها $20–$170 في الساعة. منها 2 وظائف تطلب متحدثين بالعربية. يعرضها ذكائي مجانًا، والتقديم يتم على منصة جهة التوظيف.
البدائل
استخدمه، أو دعنا نُعِدّه لك
الأسئلة الشائعة
ما هي الأجهزة التي أحتاجها لتشغيل NeMo Speech؟
مطلوب وحدة معالجة رسومات NVIDIA مع دعم CUDA لتدريب النماذج وموصى بها بشدة للاستدلال عالي الأداء.
هل يمكنني استخدام بيئة PyTorch الحالية الخاصة بي؟
نعم، يتم تثبيت إطار العمل أعلى بيئة Python و PyTorch و CUDA الحالية عبر pip أو المصدر.
أين أجد أوزان النماذج المدربة مسبقًا؟
يمكنك الوصول إلى نقاط التحقق الرسمية للأوزان المفتوحة ومجموعات النماذج مباشرة عبر مجموعة NVIDIA HuggingFace.
