دیجی‌نت

اخبار

حالا Deepgram کردی و آذری هم می‌فهمه؛ ۳۶ زبان تازه به Nova-3 برای تبدیل صدا به متن اضافه شد

0 بازدید

🎙️ Deepgram، یکی از سرویس‌های معروف تبدیل صدا به متن، روز ۱۶ نوامبر ۲۰۲۶ (۲۵ آبان ۱۴۰۵) توی Changelog (فهرست تغییرات) رسمیش اعلام کرد که ۳۶ زبان تازه به مدل Nova-3 اضافه شده. این زبان‌ها هم برای فایل‌های ضبط‌شده در دسترسن، هم برای حالت Streaming (پخش زنده) که متن هم‌زمان با حرف زدن ساخته می‌شه.

چرا این خبر به ما نزدیکه؟

توی فهرست زبان‌های تازه سه تا اسم آشنا هست: کردی سورانی (Central Kurdish)، کردی کرمانجی (Northern Kurdish) و ترکی آذری (Azerbaijani). یعنی اگه یه مصاحبهٔ میدانی، جلسهٔ کاری، کلاس یا پیام صوتی به یکی از این زبان‌ها دارید، حالا می‌شه متنش رو با همین مدل گرفت. فارسی هم از قبل توی نسخهٔ Multilingual (چندزبانه) Nova-3 بود و تغییری نکرده.

بقیهٔ زبان‌های تازه

غیر از این سه تا، زبان‌هایی مثل ازبکی، قرقیزی، اویغوری، سندی، کشمیری، آمهری، سواحیلی، یوروبا، زولو، باسکی، گالیسی، ولزی، ایسلندی، آلبانیایی، مالایالم و سینهالی هم اضافه شدن. فهرست کامل ۳۶ زبان و کد هر کدوم توی صفحهٔ رسمی Deepgram هست.

در عمل چطوری کار می‌کنه؟

این سرویس بیشتر برای کساییه که اپ، ربات یا سامانهٔ خودشون رو می‌سازن و صدا رو از طریق API (رابط برنامه‌نویسی) Deepgram به متن تبدیل می‌کنن. طبق اطلاعیهٔ رسمی، کافیه توی درخواست، مدل رو nova-3 بذارید و کد زبان رو مشخص کنید؛ مثلاً ckb برای کردی سورانی، kmr برای کردی کرمانجی و az برای آذری.

مثال ساده‌ش اینه: یه ربات پشتیبانی که تا دیروز فقط فارسی و انگلیسی رو متن می‌کرد، حالا می‌تونه پیام صوتی یه کاربر کردزبان رو هم بنویسه و بده دست مرحلهٔ بعد.

چند تا نکته قبل از استفاده

  • مدل‌های تازه Monolingual (تک‌زبانه) هستن؛ یعنی هر مدل فقط یه زبان رو می‌شناسه و باید زبان رو خودتون انتخاب کنید.
  • اونایی که Deepgram رو Self-hosted (روی سرور خودشون) اجرا می‌کنن، باید نسخهٔ به‌روز مدل‌ها رو از نمایندهٔ حسابشون توی Deepgram بگیرن.
  • Deepgram توی این اطلاعیه عددی دربارهٔ دقت این زبان‌ها منتشر نکرده؛ پس بهتره قبل از استفادهٔ جدی، روی صداهای واقعی خودتون امتحانش کنید.

#تبدیل_صوت_به_متن #هوش_مصنوعی #Deepgram

🔗 اطلاعیه رسمی
🔗 فهرست زبان‌ها

ورود به دیجی‌نت

بازگشت به فهرست بلاگ