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
- xAI 官方重置所有 Grok Bot 用户用量上限 — EricBuess · 2026-10-03
- 半年前被Google拒之门外的千元周末跑分消费，如今畅通无阻 — vivekhaldar · 2026-10-03
- Gemini 4 Argon 悄然现身 Gemini API 文档,或下周公开发布 — lyraxana · 2026-10-03
- 云专家体验 OpenAI Dots:从怀疑到真香,但槽点不少 — nickbaumann_ · 2026-10-03
- Claude 在评测中不再作弊？网友列出四种可能解释 — gleech · 2026-10-03
- 谷歌 9 月 AI 汇总:Gemini 4 Argon 与 Googlebook 等密集发布 — GeminiApp · 2026-10-03