~/SPEECH RECOG/salesforce-releases-sov-transcribe-1-open-weight-speech-augmented-language-model

Salesforce Phát Hành Mô Hình Ngôn Ngữ Tăng Cường Giọng Nói Mở SOV-Transcribe-1

Salesforce đã phát hành SOV-Transcribe-1, một mô hình ngôn ngữ tăng cường giọng nói có trọng số mở được thiết kế cho việc nhận diện giọng nói tự động phi trực tuyến, hỗ trợ đa ngôn ngữ và điều khiển kiểu dáng bằng ngôn ngữ tự nhiên. Mô hình 26,6 tỷ tham số này đứng vị trí số 1 trong số các mô hình có trọng số mở về chuyển đổi giọng nói thành văn bản phi trực tuyến trên Artificial Analysis. Bản phát hành này cung cấp cho các nhà phát triển và doanh nghiệp một công cụ trọng số mở tiên tiến để xử lý các tác vụ phiên âm phức tạp trong khi vẫn duy trì quyền kiểm soát toàn diện đối với dữ liệu âm thanh và hạ tầng của họ. Nó thúc đẩy đáng kể lĩnh vực nhận dạng giọng nói mã nguồn mã mở, đặc biệt là về độ chính xác thực thể và khả năng điều chỉnh phong cách bằng ngôn ngữ tự nhiên. SOV-Transcribe-1 sở hữu bộ mã hóa âm thanh Whisper large-v3 kết hợp với kiến trúc Gemma 4 26B A4B MoE, hỗ trợ đầu vào âm thanh dài tới 30 phút. Mô hình này được cấp phép theo giấy phép Apache 2.0 và hỗ trợ các framework suy luận như vLLM và Hugging Face Transformers.

## KIẾN THỨC NỀN

Nhận dạng giọng nói tự động (ASR) là công nghệ chuyển đổi ngôn ngữ nói thành văn bản viết, trong đó ASR phi trực tuyến xử lý toàn bộ tệp âm thanh cùng một lúc thay vì theo các phân đoạn thời gian thực. Các mô hình ngôn ngữ tăng cường giọng nói tích hợp bộ mã hóa âm thanh truyền thống với các mô hình ngôn ngữ lớn để hiểu ngữ cảnh tốt hơn và xử lý đầu vào giọng nói.

## TỪ KHÓA

#Speech Recognition#Open Source#AI Models#Salesforce#ASR

$ subscribe --daily