Nvidia ਨੇ AI ਦੀ ਦੁਨੀਆ ਵਿੱਚ ਇੱਕ ਨਵੀਂ ਪੁਲਾਂਘ ਪੁੱਟਦਿਆਂ Nemotron 3.5 Transcribe ਟੂਲ ਲਾਂਚ ਕੀਤਾ ਹੈ, ਜੋ **40** ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਆਡੀਓ ਟ੍ਰਾਂਸਕ੍ਰਾਈਬ ਕਰ ਸਕਦਾ ਹੈ। ਇਹ ਕਦਮ ਕੰਪਨੀ ਨੂੰ ਸਿਰਫ਼ ਹਾਰਡਵੇਅਰ ਮੇਕਰ ਤੋਂ ਇੱਕ ਪੂਰਨ ਸਾਫਟਵੇਅਰ ਸਲਿਊਸ਼ਨ ਪ੍ਰੋਵਾਈਡਰ ਬਣਾਉਣ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦਾ ਹੈ।
Nvidia ਹੁਣ ਸਿਰਫ਼ ਚਿਪਸ ਬਣਾਉਣ ਤੱਕ ਸੀਮਤ ਨਹੀਂ ਰਹਿਣਾ ਚਾਹੁੰਦੀ। ਕੰਪਨੀ ਨੇ ਨਵਾਂ Nemotron 3.5 Transcribe ਮਾਡਲ ਪੇਸ਼ ਕੀਤਾ ਹੈ, ਜੋ ਕਿ ਇੱਕ ਰਿਕਾਰਡਿੰਗ ਵਿੱਚ 8 ਵੱਖ-ਵੱਖ ਲੋਕਾਂ ਦੀ ਆਵਾਜ਼ ਨੂੰ ਪਛਾਣਨ ਦੀ ਸਮਰੱਥਾ ਰੱਖਦਾ ਹੈ। ਇਹ ਟੂਲ ਮੁੱਖ ਤੌਰ 'ਤੇ ਕਲੀਨਿਕਲ ਅਤੇ ਕਾਰਪੋਰੇਟ ਸੈਕਟਰ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ।\n\n### ਰਣਨੀਤੀ: ਹਾਰਡਵੇਅਰ ਤੋਂ ਸਾਫਟਵੇਅਰ ਵੱਲ\n\nਕੰਪਨੀ ਦੀ ਰਣਨੀਤੀ ਸਾਫ਼ ਹੈ: ਉਹ ਆਪਣੀ Jetson AGX ਅਤੇ Blackwell ਆਰਕੀਟੈਕਚਰ ਵਰਗੀ ਸ਼ਕਤੀਸ਼ਾਲੀ ਹਾਰਡਵੇਅਰ ਪਾਵਰ 'ਤੇ ਆਪਣੇ ਖੁਦ ਦੇ ਸਾਫਟਵੇਅਰ ਚਲਾਉਣਾ ਚਾਹੁੰਦੀ ਹੈ। ਇਸ ਨੂੰ 'ਲੋਕਲ ਐਗਜ਼ੀਕਿਊਸ਼ਨ' (Local Execution) ਕਿਹਾ ਜਾਂਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਡਾਟਾ ਕਲਾਊਡ 'ਤੇ ਭੇਜਣ ਦੀ ਬਜਾਏ ਕੰਪਨੀ ਦੇ ਆਪਣੇ ਸਿਸਟਮ ਵਿੱਚ ਹੀ ਸੁਰੱਖਿਅਤ ਰਹਿੰਦਾ ਹੈ। ਇਹ 30-ਬਿਲੀਅਨ ਪੈਰਾਮੀਟਰ ਵਾਲਾ 'ਓਪਨ-ਵੇਟ' (Open-weight) ਮਾਡਲ ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਆਪਣੀ ਜ਼ਰੂਰਤ ਅਨੁਸਾਰ ਬਦਲਾਅ ਕਰਨ ਦੀ ਆਜ਼ਾਦੀ ਦਿੰਦਾ ਹੈ।\n\n### ਚੁਣੌਤੀਆਂ ਅਤੇ ਮੁਕਾਬਲਾ\n\nਰਾਹ ਇੰਨਾ ਆਸਾਨ ਨਹੀਂ ਹੈ। ਮਾਰਕੀਟ ਵਿੱਚ ਪਹਿਲਾਂ ਹੀ Mistral (Voxtral 3 ਮਾਡਲ), ElevenLabs ਅਤੇ Salesforce ਵਰਗੇ ਦਿੱਗਜ ਡਟੇ ਹੋਏ ਹਨ। ਇਸ ਤੋਂ ਇਲਾਵਾ, Nvidia ਦਾ ਇਹ ਟੂਲ ਫਿਲਹਾਲ ਸਿਰਫ਼ ਰਿਕਾਰਡ ਕੀਤੀਆਂ ਫਾਈਲਾਂ 'ਤੇ ਹੀ ਕੰਮ ਕਰਦਾ ਹੈ; ਇਹ ਲਾਈਵ-ਸਟ੍ਰੀਮਿੰਗ ਟ੍ਰਾਂਸਕ੍ਰਿਪਸ਼ਨ ਨੂੰ ਸਪੋਰਟ ਨਹੀਂ ਕਰਦਾ। ਨਿਵੇਸ਼ਕਾਂ ਲਈ ਹੁਣ ਦੇਖਣ ਵਾਲੀ ਗੱਲ ਇਹ ਹੋਵੇਗੀ ਕਿ ਕੰਪਨੀ ਕਿੰਨੀ ਜਲਦੀ ਇਨ੍ਹਾਂ ਤਕਨੀਕੀ ਕਮੀਆਂ ਨੂੰ ਦੂਰ ਕਰਕੇ ਵੱਡੇ ਕਾਰਪੋਰੇਟ ਗਾਹਕਾਂ ਨੂੰ ਆਪਣੇ ਵੱਲ ਖਿੱਚਦੀ ਹੈ।