28 Ekim 2026 ÇarşambaSayı № 301
I Model ÇıkışıResmi Kaynak

NVIDIA Nemotron 3.5 Transcribe ve Granary v2: Prompt ile Uyarlanabilir Çok Dilli Transkripsiyon

NVIDIA, açık ağırlıklı Nemotron 3.5 Transcribe modelini ve Granary v2 veri setini duyurdu. Model, 40 dili transkribe ederken 31 dili İngilizce'ye çeviriyor, 13 dilde konuşmacı etiketlemesi yapıyor ve bir saatlik kayıtları işleyebiliyor. Prompt tabanlı kontrol ve alan‑özel ince ayar imkanı, özellikle tıp ve toplantı gibi uzmanlaşmış senaryolarda büyük avantaj sağlıyor.

Hugging Face kaynağından derlendi · · 2 dk okuma

Orijinal haber ↗
Görsel: Hugging Face

Özetle

  1. 1

    Nemotron 3.5 Transcribe, 40 dili doğrudan transkribe ederken 31 dili çeviriyor ve 13 dilde konuşmacı etiketlemesi yapıyor.

  2. 2

    Hugging Face Open ASR Leaderboard'da İngilizce %5.33, çok dilli %4.62 ve uzun‑form %10.98 WER ile açık‑ağırlıklı modeller arasında birinci sırada.

  3. 3

    Granary v2, 463k saatlik çok dilli ses verisini 48 dilde ve üç transkript biçimiyle sunarak model eğitimi ve ince ayarını kolaylaştırıyor.

  4. 4

    Medical fine‑tuning çalışması, held‑out WER'i %12.17'ye düşürerek %45.8 relatif iyileşme sağladı.

NVIDIA, Hugging Face ve ModelScope platformlarında yayınladığı Nemotron 3.5 Transcribe modelini, Granary v2 veri setiyle birlikte tanıttı. Tek bir checkpoint üzerinden ses kaydını metne dönüştürme, konuşmacı etiketleme (diarization), çeviri ve sesli soru‑cevap gibi görevleri aynı anda yerine getirebilen model, 40 dili doğrudan transkribe ederken 31 dili İngilizce'ye ya da İngilizce'den çeviriyor ve 13 dilde konuşmacı kimliğini belirliyor. Model, bir saat uzunluğundaki kayıtları işleyebiliyor ve aynı anda sekiz konuşmacıya kadar etiketleyebiliyor.

Model, doğal dil ile yönlendirilebilen prompt yapısı sayesinde aynı ses dosyasından farklı çıktılar üretilebiliyor: örneğin "Bu kaydı transkribe et ve konuşmacıları etiketle" ya da "Bu ses dosyasını İngilizce'ye çevir" gibi talimatlar verilebiliyor. Ayrıca, alan‑özel kelime dağarcığı ve aksanlara uyum sağlamak için prompt içinde terim listeleri eklenebiliyor. Granary v2, 463.062 saatlik çok dilli ses verisini 48 dilde ve 16 kaynak korpusta toplayarak, modelin eğitimi için üç farklı transkript biçimi (verbatim, itn_raw, itn_clean) sunuyor.

Performans açısından Nemotron 3.5 Transcribe, açık ağırlıklı modeller arasında bir dizi liderlik elde etti. Hugging Face Open ASR Leaderboard'da İngilizce için ortalama %5.33 WER, çok dilli için %4.62 WER ve uzun‑form kayıtlar için %10.98 WER ile en düşük hatayı kaydetti. Artificial Analysis Speech‑to‑Text Leaderboard'da %2.8 AA‑WER ile birinci sırada yer alırken, aynı platformun AgentTalk alt setinde %1.8 WER elde etti. David AI'nin çok dilli diarization yarışmasında %18.26 DER ile en düşük hatayı gösterdi ve VoiceArena Diarization‑Bench'te %32.4 cpWER ile 14 sistem arasında birinci oldu.

Granary v2'nin sunduğu veri ve NeMo Speech ince ayar araçları, özellikle tıbbi alanda belirgin bir iyileşme sağladı. Eka Care'in Hindistan'daki doktor ve öğrenci konuşmalarını içeren benchmark'ta, sadece prompt optimizasyonu %23.8 WER'e, tam ince ayar ise %12.17 WER'e (yüzde 45.8 relatif azalma) düşürdü. Bu sonuç, modelin genel İngilizce performansını (LibriSpeech test‑clean %1.54'ten %1.69'a hafif artış) etkilemeden, alan‑özel terminolojiye yüksek doğrulukla uyum sağlayabildiğini gösteriyor.

Yöney yorumu

Nemotron 3.5 Transcribe, açık‑ağırlıklı modeller arasında hem doğruluk hem de aktif parametre verimliliğiyle öne çıkıyor; geliştiriciler prompt ve veri seti ince ayarıyla alan‑özel uygulamalara hızlıca adapte edebilecek. Kullanıcılar ise daha düşük hata oranları ve çok dilli destek sayesinde daha güvenilir ve kapsamlı transkripsiyon deneyimi yaşayacak.

Yapay zekâ tarafından üretilmiştir.

Haberdeki skorlar

Bu skorların kaynak metinde birebir geçtiği doğrulandı. Bilinen testlerin sonuçları Benchmark sıralamalarına da eklenir.

  • Nemotron 3.5 TranscribeHugging Face Open ASR Leaderboard (English)
    %5.33
  • Nemotron 3.5 TranscribeHugging Face Open ASR Leaderboard (Multilingual)
    %4.62
  • Nemotron 3.5 TranscribeHugging Face Open ASR Leaderboard (Long-form)
    %10.98
  • Nemotron 3.5 TranscribeArtificial Analysis Speech-to-Text Leaderboard (AA-WER)
    %2.8
  • Nemotron 3.5 TranscribeArtificial Analysis AA-AgentTalk
    %1.8
  • Nemotron 3.5 TranscribeDavid AI DAI-ASR-I18N Diarization
    %18.26
  • Nemotron 3.5 TranscribeVoiceArena Diarization-Bench (cpWER)
    %32.4
  • Nemotron 3.5 TranscribeMedical fine-tuning on Eka Care benchmark (held-out WER)
    %12.17
Devamı kaynakta

Bu haber Hugging Face kaynağından derlenip Türkçeye aktarıldı. Ayrıntılar ve orijinal metin için oka tıklayın.

I

Aynı bölümden

Tümü →
I Model Çıkışı

Google, siber güvenlikte ‘önemli sıçrama’ vaat eden Gemini 4 Carbon modelini tanıttı

Google, en yeni frontier modeli Gemini 4 Carbon'ı duyurarak siber güvenlik, kodlama ve ajan görevlerinde kayda değer bir ilerleme sağladığını iddia etti. Model, Artificial Analysis Intelligence Index (v5.0) ve SEC-bench Pro gibi kritik benchmarklerde lider konumda bulunuyor.

Özetle 3 madde
  1. Gemini 4 Carbon, Artificial Analysis Intelligence Index (v5.0) ve SEC-bench Pro benchmark'lerinde birinci sırada.
  2. Model, siber güvenlikte gerçek dünya hatalarını keşfetme ve istismar etme yeteneğinde GPT-6 Astra'yı geride bırakıyor.
  3. Uzun vadeli, çok adımlı görevlerde günlerce çalışabilme ve prompt enjeksiyon saldırılarına karşı direnç gibi güvenlik odaklı iyileştirmeler sunuyor.

The Verge AI

I Model Çıkışı

Google DeepMind, Gemini 4 Carbon'ı Tanıttı: İki Hafta Arada Güvenlik ve Kodlama Performansında Önemli İyileşmeler

Google DeepMind, sadece iki hafta aradan Gemini 4 Argon'un ardından Gemini 4 Carbon modelini duyurdu. Carbon, Artificial Analysis Intelligence Index v5'te 59 puanla birincilik elde ederken, siber güvenlik testlerinde de lider konuma yükseldi. Model, çok gün süren otonom geliştirme iş akışları ve uzun bağlamlı görevlerde kayda değer performans artışı sunuyor.

Özetle 3 madde
  1. Gemini 4 Carbon, Artificial Analysis Intelligence Index v5'te 59 puanla birinci sırada yer alarak Argon'u geride bıraktı.
  2. SEC-bench Pro (%88.2), CWE‑Bench (%71.0) ve ExploitGym (%54.8) gibi güvenlik benchmark'larında lider konumda.
  3. Uzun bağlamlı ve çok adımlı kodlama görevlerinde çok gün süren otonom çalışma yeteneğiyle dikkat çekiyor.

The Decoder7 skor

I Model Çıkışı

Google DeepMind, gerçek zamanlı sesli dünya modeli Genie 4'ü tanıttı

DeepMind, fotogerçekçi ortamları anlık olarak oluşturup aynı anda doğal ses, müzik ve diyalog üretebilen Genie 4 adlı yeni gerçek zamanlı dünya modelini duyurdu. Model, Gemini Omni ve diğer Gemini serileriyle entegrasyon içinde çalışarak robotik ve etkileşimli deneyimler için temel bir platform sunmayı hedefliyor.

Özetle 3 madde
  1. Genie 4, gerçek zamanlı fotogerçekçi ortamları ses ve diyalogla birlikte üretebilen ilk model.
  2. Gemini Omni ve Gemini 3.8 Flash, ortam tutarlılığı ve çok adımlı senaryo yönetimini destekliyor.
  3. Gemini 4 Argon entegrasyonu, robotik planlama ve canlı altyazı gibi yeni uygulamalara kapı açıyor.

TestingCatalog