La société NVIDIA a réalisé des progrès dans la capacité de ses modèles d’intelligence artificielle à comprendre les dialectes saoudiens. Elle a entraîné son modèle de reconnaissance vocale Nemotron 3.5 ASR sur des données audio en dialectes najdi et hijazi.
Un entraînement basé sur des données locales
La société a expliqué que le processus de personnalisation s’est appuyé sur environ 133,7 heures d’enregistrements audio issus de l’ensemble de données SADA. L’objectif était d’améliorer la capacité du modèle à gérer les variations linguistiques et dialectales locales.
Des résultats impressionnants
Selon les résultats publiés par NVIDIA, le taux d’erreur de reconnaissance des mots pour les dialectes najdi et hijazi a diminué de 55,05% avant l’entraînement à 29,96% après. Le taux d’erreur au niveau des caractères a également baissé, passant de 31,63% à 12,18%.
Un entraînement rapide et efficace
Le processus d’entraînement a duré environ 4,5 heures. Il a utilisé deux unités de traitement graphique. Il a inclus plus de 12 000 étapes d’entraînement. Les couches du modèle ont été mises à jour pour améliorer sa compréhension des caractéristiques audio et dialectales.
Des applications croissantes dans plusieurs secteurs
Cette avancée intervient alors que les applications d’IA vocale se multiplient dans les services client, les assistants numériques et la transcription d’entretiens et de réunions en texte. Leurs utilisations croissantes dans les médias, la diffusion et la création de contenu sont également notables.
Une meilleure expérience pour l’utilisateur saoudien
L’amélioration de la compréhension des dialectes locaux ouvre la voie à des applications vocales plus adaptées à l’utilisateur saoudien. Cela concerne particulièrement les services de transcription automatique, les assistants vocaux et la recherche dans les contenus vidéo et audio.
Sujets connexes :
NVIDIA : une alerte critique appelle à mettre à jour les produits concernés
Humain et Nvidia développent la conduite autonome en Arabie saoudite
