Piotr ?elasko – NVIDIA 技術博客
http://www.open-lab.net/zh-cn/blog
閱讀開發者創建的最新技術信息、頭條新聞 和內容。
Wed, 25 Sep 2024 07:10:03 +0000
zh-CN
hourly
1
196178272 -
借助 NVIDIA NeMo 實現出色的 ASR 模型 10 倍加速
http://www.open-lab.net/zh-cn/blog/accelerating-leaderboard-topping-asr-models-10x-with-nvidia-nemo/
Tue, 24 Sep 2024 06:58:47 +0000
http://www.open-lab.net/zh-cn/blog/?p=11356
Continued]]>
NVIDIA NeMo 持續開發了設定行業基準的 自動語音識別（ASR） 模型，尤其是在 Hugging Face Open ASR 排行榜 上拔得頭籌的模型。 這些可將語音轉錄為文本的 NVIDIA NeMo ASR 模型提供了一系列旨在優化速度和準確性的架構： 以前，這些模型面臨速度性能瓶頸，例如投射開銷、低計算強度和發散性能問題。 在本文中，您將了解 NVIDIA 如何通過將張量自動投射到 、創新的標簽循環算法以及引入 NeMo 2.0.0 中可用的 CUDA Graphs 等關鍵增強功能，將 NeMo ASR 模型的推理速度提升高達 10 倍（圖 1）。 本節將深入探討 NVIDIA 自動語音識別（ASR）模型如何克服各種速度性能瓶頸，包括投射開銷、批量處理優化、低計算強度和發散性能問題。 從 NeMo 的早期開始，
Source
]]>
11356
-
NVIDIA NeMo ASR 發布了對荷蘭語和波斯語的新支持
http://www.open-lab.net/zh-cn/blog/new-support-for-dutch-and-persian-released-by-nemo-asr/
Tue, 16 Jan 2024 06:28:44 +0000
http://www.open-lab.net/zh-cn/blog/?p=8754
Continued]]>
為了打破語音識別的障礙，NVIDIA NeMo自豪地推出了專為 AI 領域中常被忽視的荷蘭語和波斯語設計的預訓練模型。 這些模型采用了最新推出的 FastConformer 技術，并結合 CTC 和傳感器目標進行同步訓練，以最大程度提升每個模型的準確性。 自動語音識別（ASR）是對話式 AI 應用的基礎技術，因為它使用戶能夠使用語音與 AI 系統和其他設備進行通信。它還廣泛用于對話式分析和音頻字幕，從而實現更廣泛的內容訪問。 Persian 模型基于 Mozilla 的 Common Voice (MCV) 15.0 波斯數據構建。值得注意的是，兩種技術對于提高模型性能至關重要：一是從預訓練的英語檢查點初始化，二是自定義訓練測試分割，這允許額外使用 300 小時的 MCV 驗證記錄。 此模型在評估中實現了 13.16%的詞錯誤率 (WER) 和 3.85%
Source
]]>
8754
人人超碰97caoporen国产