Nvidia நிறுவனம் தற்போது Nemotron 3.5 Transcribe என்ற புதிய AI டூலை அறிமுகப்படுத்தியுள்ளது. இது **40** மொழிகளில் ஆடியோவை டிரான்ஸ்கிரைப் (transcribe) செய்யும் திறன் கொண்டது. இதன் மூலம் ஹார்டுவேர் தயாரிப்பாளராக மட்டும் இருந்த நிறுவனம், இப்போது சாப்ட்வேர் துறையிலும் தனது ஆதிக்கத்தை வலுப்படுத்தத் தொடங்கியுள்ளது.
சாப்ட்வேர் சந்தையில் Nvidia-வின் புதிய வியூகம்
Nvidia இப்போது வெறும் சிப் (chip) தயாரிக்கும் நிறுவனமாக மட்டும் இருக்க விரும்பவில்லை. அதன் ஒரு பகுதியாக, Nemotron 3.5 Transcribe மாடலை களமிறக்கியுள்ளது. இது மருத்துவத்துறை, கார்ப்பரேட் கூட்டங்கள் போன்ற தொழில்முறை தேவைகளை பூர்த்தி செய்யும் வகையில் வடிவமைக்கப்பட்டுள்ளது. ஒரே நேரத்தில் 8 பேரின் குரல்களை பிரித்து அடையாளம் காணும் திறன் இதற்கு உண்டு.
தொழில்நுட்பம் எப்படி செயல்படுகிறது?
இந்த AI மாடல் Nvidia-வின் Jetson AGX மற்றும் Blackwell டேட்டா சென்டர் போன்ற ஹார்டுவேர் தயாரிப்புகளில் மிகச்சிறப்பாக இயங்கும். முக்கியமாக, டேட்டாவை கிளவுடுக்கு (cloud) அனுப்பாமல், நிறுவனங்களின் சொந்த சிஸ்டத்திலேயே (local execution) இந்த AI செயல்படும் என்பது ஒரு பெரிய பிளஸ். இது ரகசியம் காக்க வேண்டிய சட்டம் மற்றும் மருத்துவத் துறைகளுக்கு மிகவும் பயனுள்ளதாக இருக்கும்.
கவனிக்க வேண்டிய சவால்கள்
இந்த 30 பில்லியன் பாராமீட்டர் கொண்ட மாடல் ஓபன்-வெயிட் (open-weight) முறையில் இருப்பதால், டெவலப்பர்கள் தங்கள் தேவைக்கேற்ப மாற்றங்களைச் செய்துகொள்ள முடியும். இருப்பினும், Mistral-ன் Voxtral 3 மற்றும் ElevenLabs போன்ற நிறுவனங்கள் கடும் போட்டியை கொடுத்து வருகின்றன.
தற்போது இந்த டூல், ஏற்கனவே ரெக்கார்டு செய்யப்பட்ட ஆடியோக்களை மட்டுமே கையாளும். நேரலை (real-time) டிரான்ஸ்கிரிப்ஷன் வசதி இதில் இல்லை என்பது ஒரு தற்போதைய மைனஸ். இந்தத் தொழில்நுட்பக் குறைபாடுகளை Nvidia எவ்வளவு விரைவில் சரிசெய்கிறது மற்றும் கார்ப்பரேட் நிறுவனங்கள் இதை எவ்வளவு தூரம் ஏற்றுக்கொள்கின்றன என்பதைப் பொறுத்தே இதன் எதிர்கால வெற்றி அமையும்.