NVIDIA 微调 Nemotron ASR,沙特方言词错率从 55% 降到 30%
NVIDIAAI · x · 2026-10-03
NVIDIA 发布教程,展示如何把支持 40 个语言区域的 Nemotron 3.5 ASR 适配到沙特 Najdi 和 Hijazi 方言。
- 用 NeMo 框架,结合少量数据精筛、与 FLEURS 数据加权混合回放、按时长分桶和部分编码器解冻,133.7 小时方言语料微调后,目标测试集词错率(WER)从 55.05% 降至 29.96%,英文 WER 反而略降(11.04%→10.42%),未损害其他阿拉伯方言。
- 全解冻 24 层编码器效果最好(2.304 亿可训练参数),数据/显存受限时可冻结部分层。
- 不重训仅改推理:lookahead 帧增到 13、beam-8 MALSD 解码,可再降 2.71 个绝对点 WER,代价是约 800ms 延迟,适合批量转写。
- 配套提供 notebook、微调 skill,及支持最多 8 说话人的 Nemotron 3 Diarization 说话人分离扩展。
「模型」频道最新
- 隐性模型 Gestalt 登顶设计基准,领先第二名 Claude 214 分 — soleio · 2026-11-19
- mrfakename 发布 GLM-5.3-Flash 与 Qwen3.8-Flash-Next 去审查版 — mrfakename0 · 2026-11-19
- 医生观察:AI 竞争已按周计,GPT-6 两版仅隔 7 天 — ramos_casals · 2026-11-19
- 数据平台 micro1 上线泄漏检测模型,为基准分数保驾护航 — Exp_Mark · 2026-11-19
- 爆料:DeepSeek 本周或发新论文,11 月 11 日有排期 — teortaxesTex · 2026-11-19
- Gemini 4 Neon 开始灰度推送,界面曝光三大模型分层 — testingcatalog · 2026-11-19