Riva和NeMo Megatron的最新技术

使用来自Riva和NeMo威震天的最新技术，在多种语言中构建语音人工智能，并训练大型语言模型

在上周的NVIDIA GTC 2022大会上，NVIDIA宣布了Riva的重大更新，一个用于构建语音AI应用的SDK，以及一个付费的Riva Enterprise。同时也宣布了NeMo Megatron (一个训练大型语言模型的框架)的几个关键更新。

Riva 2.0一般可用性

Riva提供了世界一流的实时自动语音识别(ASR)和文本到语音(TTS)技能，可以在任何云中部署。Snap、T-Mobile、RingCentral和Kore等行业领导者。ai在客户服务中心应用程序、转录和虚拟助理中使用Riva。

最新的Riva版本包括:

• 多种语言的ASR:英语，西班牙语，德语，俄语和汉语。
• 高质量的TTS语音定制独特的语音字体。
• 面向特定领域的定制，使用TAO Toolkit或NVIDIA NeMo，在口音、领域和特定国家的行话方面具有无与伦比的准确性。
• 支持在云计算、预部署和嵌入式平台上运行。
• 一个显示如何使用SSML标签控制Riva文本到语音的音调和速度的GIF。
• NVIDIA Riva可控制的文本到语音，使用SSML标签可以很容易地调整音调和速度。
• 在Riva产品页面上尝试Riva自动语音识别。

Defined.ai与NVIDIA合作，为希望购买语音培训和跨语言、域和录音类型验证数据的企业提供了一个流畅的工作流程。

Riva Enterprise

NVIDIA还推出了Riva Enterprise，这是一款付费产品，提供给大规模部署Riva的企业，并由NVIDIA专家提供业务标准支持。

福利包括:

• 在任何云平台和预部署平台上无限制地使用ASR和TTS服务。
• 在当地工作时间访问NVIDIA AI专家，获得配置和性能方面的指导。
• 长期支持维护控制和升级计划。
• 优先访问新版本和特性。
• Riva Enterprise是NVIDIA Launchpad上的免费试用版，供企业评估和创建应用程序原型。

启动Riva Enterprise操作实验台包括:

• 与实时语音AI api交互。
• 添加语音人工智能功能到会话人工智能应用。
• 微调语音人工智能流水线上的自定义数据，以获得更高的准确性。

NeMo Megatron

英伟达(NVIDIA)宣布对NVIDIA NeMo Megatron进行新升级，这是一个用于训练大型语言模型(LLM)的框架，可提供数万亿参数。基于Megatron论文的创新，与NeMo Megatron研究机构和企业可以训练任何LLM收敛。NeMo Megatron提供数据预处理、并行(数据、张量和管道)、编排和调度以及自动精度适应。

它包括经过彻底测试的配方、流行的LLM架构实现和组织快速开始其LLM旅程所需的工具

瑞典AI、京东、Naver和佛罗里达大学是NVIDIA技术在构建大型语言模型方面的早期使用者。

最新版本包括:

• 超参数调优工具——根据客户的需求和基础设施的限制自动创建配方。
• T5和mT5型号的参考配方。
• 支持在云上培训LLM，从Azure开始。
• 分布式数据预处理脚本，缩短端到端培训时间。

在“实践中的自然语言理解:从成功的企业部署中学到的经验”GTC会话中了解更多关于llm的有趣应用程序和部署它们的最佳实践。

作者介绍：

Siddharth Sharma

Siddharth Sharma是NVIDIA加速计算部门的高级技术营销经理。在加入英伟达之前，Siddharth是Mathworks公司Simulink和statflow的产品营销经理，与汽车和航空公司密切合作，采用基于模型的设计来创建控制软件。

Gordana Neskovic

Gordana Neskovic是AI / DL产品营销团队的成员，负责NVIDIA Maxine。在加入NVIDIA之前，Gordana曾在VMware、Wells Fargo、Pinterest、sfot – itt和KLA-Tencor担任过各种产品营销、数据科学家、AI架构师和工程职位。她拥有Santa Clara University的博士学位，以及塞尔维亚贝尔格莱德大学(University of Belgrade)的电气工程硕士和学士学位。

查看Gordana Neskovic的所有帖子

Sirisha Rella

Sirisha Rella是NVIDIA的技术产品营销经理，专注于计算机视觉、语音和基于语言的深度学习应用。Sirisha在密苏里-堪萨斯城大学获得计算机科学硕士学位，并在美国国家科学基金会-大学习中心担任研究生研究助理。