Nvidia એ પોતાનું નવું AI સોફ્ટવેર ટૂલ 'Nemotron 3.5 Transcribe' લોન્ચ કર્યું છે, જે **40** ભાષાઓમાં ઓડિયો ટ્રાન્સક્રાઈબ કરવાની ક્ષમતા ધરાવે છે. આ સાથે કંપની હવે હાર્ડવેરની સાથે સોફ્ટવેર ક્ષેત્રે પણ પોતાની પકડ મજબૂત બનાવી રહી છે.
Nvidia એ હવે AI સ્પીચ ટ્રાન્સક્રિપ્શન માર્કેટમાં સત્તાવાર રીતે ઝંપલાવ્યું છે. તેમનું નવું ટૂલ 40 અલગ-અલગ ભાષાઓને પ્રોસેસ કરી શકે છે અને એક જ રેકોર્ડિંગમાં 8 અલગ-અલગ વ્યક્તિઓના અવાજને ઓળખવાની ક્ષમતા ધરાવે છે. ક્લિનિકલ ડોક્યુમેન્ટેશન અને કોર્પોરેટ મીટિંગ એનાલિસિસ જેવા ક્ષેત્રોને ધ્યાનમાં રાખીને કંપનીએ એન્ટરપ્રાઈઝ સોફ્ટવેર માર્કેટમાં મોટો હિસ્સો કબજે કરવાની તૈયારી કરી છે.
વ્યૂહરચનામાં મોટો ફેરફાર
Nvidia હવે માત્ર એક હાર્ડવેર કંપની તરીકે રહેવા માંગતી નથી. કંપની પોતાની પ્રોડક્ટ્સ જેવી કે Jetson AGX અને હાઈ-એન્ડ Blackwell આર્કિટેક્ચર પર ચાલે તેવા સોફ્ટવેર ટૂલ્સ બનાવીને ગ્રાહકોને 'ફુલ-સ્ટેક' સોલ્યુશન્સ આપવા માંગે છે. આ 'લોકલ એક્ઝિક્યુશન' મોડલ કંપનીઓને ડેટાને ક્લાઉડ પર મોકલવાને બદલે પોતાના સિસ્ટમમાં રાખવાની સુવિધા આપે છે, જે ખાસ કરીને કાયદાકીય અને હેલ્થકેર ક્ષેત્ર માટે ખૂબ જ મહત્વનું છે.
ટેકનિકલ જાણકારી
આ 30-બિલિયન પેરામીટર મોડલ 'ઓપન-વેઈટ' છે, જેથી ડેવલપર્સ પોતાની જરૂરિયાત મુજબ તેમાં ફેરફાર કરી શકે. આ લવચીકતાને કારણે Nvidia પોતાની ઇકોસિસ્ટમનો વ્યાપ વધારવા માંગે છે.
પડકારો અને લિમિટેશન્સ
જોકે, માર્કેટમાં Mistral (Voxtral 3), ElevenLabs અને Salesforce જેવી કંપનીઓ સાથે સ્પર્ધા છે. હાલમાં આ ટૂલની સૌથી મોટી મર્યાદા એ છે કે તે માત્ર રેકોર્ડ કરેલી ફાઇલ્સ પર કામ કરે છે, લાઈવ-સ્ટ્રીમ ટ્રાન્સક્રિપ્શનની સુવિધા હજુ ઉપલબ્ધ નથી. રોકાણકારો માટે હવે જોવાનું એ રહેશે કે કંપની કેટલી ઝડપથી આ ટેકનિકલ ખામીઓને દૂર કરે છે અને એન્ટરપ્રાઈઝ ક્લાયન્ટ્સ આ સોફ્ટવેરને કેટલી ઝડપથી અપનાવે છે.