NVIDIA Nemotron 3.5 Transcribe: अब डिवाइस पर ही स्पीच-टू-टेक्स्ट

चिप निर्माता कंपनी NVIDIA ने एक नया AI मॉडल Nemotron 3.5 Transcribe पेश किया है। यह ऑडियो रिकॉर्डिंग को टेक्स्ट में बदल सकता है, यह पहचान सकता है कि कौन बोल रहा है, और बोले गए शब्दों का अनुवाद भी कर सकता है। यह सारा काम उसी डिवाइस पर होता है, यानी हर बार रिकॉर्डिंग क्लाउड सर्वर पर भेजना ज़रूरी नहीं है।

कंपनी के ब्लॉग के अनुसार मॉडल 40 भाषाओं में स्पीच ट्रांसक्रिप्शन को सपोर्ट करता है। उपयोगकर्ता सामान्य भाषा में निर्देश दे सकता है, जैसे रिकॉर्डिंग को हर वक्ता के नाम के साथ लिखना, उसका अनुवाद करना या किसी मीटिंग से लिए गए फ़ैसले निकालना। चिकित्सा, हेल्थकेयर, वित्तीय सेवाओं और कस्टमर सर्विस जैसे क्षेत्रों के लिए विशेष शब्द जोड़ने की सुविधा भी है, ताकि मॉडल ऐसी शब्दावली को बेहतर समझ सके।

डेटा पर ज़्यादा नियंत्रण

लोकल प्रोसेसिंग से डेवलपर्स को यह तय करने की अधिक आज़ादी मिलती है कि डेटा कहाँ रहे। जब बातचीत में कारोबारी या संवेदनशील जानकारी हो, तब यह खास तौर पर अहम है। फ़ाइलों को क्लाउड पर ले जाने की ज़रूरत भी घटती है। डेवलपर मॉडल को समर्थित हार्डवेयर पर चला सकते हैं और अधिक क्षमता चाहिए तो काम को डेटा सेंटरों तक बढ़ा सकते हैं। इस तरह मीटिंग, कस्टमर सर्विस और वॉइस वर्क से जुड़े ऐप बनाना आसान होगा।

यह घोषणा RTX Spark कंप्यूटरों की क्षमताओं के विस्तार के साथ आई है, जिन्हें AI मॉडल स्थानीय स्तर पर चलाने के लिए बनाया गया है।

GPU संसाधनों का बँटवारा

NVIDIA ने ऐसे टूल भी जोड़े हैं, जिनसे उपयोगकर्ता तय कर सकता है कि GPU की शक्ति सामने खुले ऐप और बैकग्राउंड में चल रहे AI एजेंट के बीच कैसे बँटे। मुख्य प्रोग्राम को ऊँची प्राथमिकता दी जा सकती है, या एजेंट को ज़्यादा संसाधन देकर काम जल्दी पूरा कराया जा सकता है। यह बदलाव कंपनी की इस अपेक्षा को दिखाता है कि AI ऐप और एजेंट पारंपरिक सॉफ़्टवेयर के साथ उसी कंप्यूटर पर लगातार चलेंगे।