NVIDIA 在 Riva 中發(fā)布了西班牙語、德語和俄語的世界級(jí)語音到文本模型，為企業(yè)在全球部署語音 AI 應(yīng)用提供了動(dòng)力。此外，企業(yè)現(xiàn)在可以使用 Riva 的可定制文本到語音管道創(chuàng)建富有表現(xiàn)力的語音界面。

NVIDIA Riva 是一款 GPU 加速語音 AI SDK ，用于開發(fā)實(shí)時(shí)應(yīng)用程序，如實(shí)時(shí)字幕、向基于文本的聊天機(jī)器人添加語音，以及在呼叫中心生成實(shí)時(shí)轉(zhuǎn)錄。為了便于實(shí)施， Riva 在 NGC 目錄中提供了高度精確的預(yù)訓(xùn)練模型。

和 TAO 工具包 ，這些模型可以為任何行業(yè)定制，包括電信、金融、統(tǒng)一通信即服務(wù)和醫(yī)療保健。開發(fā)者可以使用 Riva 開箱即用地部署這些模型。它們經(jīng)過優(yōu)化，可以在云、數(shù)據(jù)中心和邊緣在不到 300 毫秒的時(shí)間內(nèi)實(shí)時(shí)運(yùn)行。

Riva 發(fā)布亮點(diǎn)包括

西班牙語、德語和俄語的世界級(jí)語音識(shí)別技能。

可定制的文本到語音管道，用于表達(dá)性互動(dòng)。

TAO 工具包的低代碼微調(diào)工作流。

多種語言的自動(dòng)語音識(shí)別

從呼叫中心到虛擬助手，每一個(gè)對(duì)話人工智能應(yīng)用程序都嚴(yán)重依賴于自動(dòng)語音識(shí)別。企業(yè)可以通過 Riva 英語、西班牙語、德語和俄語的自動(dòng)語音識(shí)別在全球范圍內(nèi)擴(kuò)展這些應(yīng)用程序。

圖 1:NVIDIA Riva 世界級(jí)的自動(dòng)語音識(shí)別系統(tǒng)有英語、西班牙語、德語和俄語版本。

非英語自動(dòng)語音識(shí)別模型是在各種開源數(shù)據(jù)集（如 Mozilla Common Voice ）以及私有數(shù)據(jù)集上訓(xùn)練的。 Riva 開發(fā)自動(dòng)語音識(shí)別模型是為了提供開箱即用的準(zhǔn)確度，并作為適應(yīng)行業(yè)、行話、方言甚至嘈雜環(huán)境的良好起點(diǎn)。在流行的評(píng)估數(shù)據(jù)集上，這些模型在多個(gè)行業(yè)應(yīng)用中提供了世界級(jí)的準(zhǔn)確性。

可定制的文本到語音管道

為了讓客戶享受逼真的對(duì)話，語音應(yīng)用程序必須提供類似人類的表情。使用 FASTROPE ，NVIDIA 語音 AI 研究小組創(chuàng)建的新模型 Riva 幫助開發(fā)者定制文本到語音管道并創(chuàng)建表達(dá)性語音接口。例如，在推理過程中，開發(fā)人員可以使用 SSML 標(biāo)簽改變語音音調(diào)和速度。

圖 2:NVIDIA Riva 提供了可定制的文本到語音管道，用于更具表現(xiàn)力的交互。

最新的最先進(jìn)的模型，比如里瓦的 Fastpitch ，幫助文本到語音管道的運(yùn)行速度比市場(chǎng)上其他競(jìng)爭(zhēng)對(duì)手快幾倍。

關(guān)于作者

About Gordana Neskovic

Gordana Neskovic 是AI/DL產(chǎn)品營銷團(tuán)隊(duì)的成員，負(fù)責(zé) NVIDIA Maxine。在加入 NVIDIA 之前，Gordana曾在VMware、Wells Fargo、Pinterest、SFO-ITT和KLA Tencor擔(dān)任過各種產(chǎn)品營銷、數(shù)據(jù)科學(xué)家、AI架構(gòu)師和工程職位。她擁有博士學(xué)位。圣塔 Clara 大學(xué)，塞爾維亞貝爾格萊德大學(xué)電氣工程碩士和學(xué)士學(xué)位。

About Sirisha Rella

Sirisha Rella 是 NVIDIA 的技術(shù)產(chǎn)品營銷經(jīng)理，專注于計(jì)算機(jī)視覺、語音和基于語言的深度學(xué)習(xí)應(yīng)用。 Sirisha 獲得了密蘇里大學(xué)堪薩斯城分校的計(jì)算機(jī)科學(xué)碩士學(xué)位，是國家科學(xué)基金會(huì)大學(xué)習(xí)中心的研究生助理。

審核編輯：郭婷