NVIDIA 在 Riva 中發(fā)布了西班牙語、德語和俄語的世界級語音到文本模型，為企業(yè)在全球部署語音 AI 應用提供了動力。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)實時應用程序，如實時字幕、向基于文本的聊天機器人添加語音，以及在呼叫中心生成實時轉(zhuǎn)錄。為了便于實施， Riva 在 NGC 目錄中提供了高度精確的預訓練模型。

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 毫秒的時間內(nèi)實時運行。

Riva 發(fā)布亮點包括

西班牙語、德語和俄語的世界級語音識別技能。

可定制的文本到語音管道，用于表達性互動。

TAO 工具包的低代碼微調(diào)工作流。

多種語言的自動語音識別

從呼叫中心到虛擬助手，每一個對話人工智能應用程序都嚴重依賴于自動語音識別。企業(yè)可以通過 Riva 英語、西班牙語、德語和俄語的自動語音識別在全球范圍內(nèi)擴展這些應用程序。

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

非英語自動語音識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)集上訓練的。 Riva 開發(fā)自動語音識別模型是為了提供開箱即用的準確度，并作為適應行業(yè)、行話、方言甚至嘈雜環(huán)境的良好起點。在流行的評估數(shù)據(jù)集上，這些模型在多個行業(yè)應用中提供了世界級的準確性。

可定制的文本到語音管道

為了讓客戶享受逼真的對話，語音應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)建表達性語音接口。例如，在推理過程中，開發(fā)人員可以使用 SSML 標簽改變語音音調(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。

最新的最先進的模型，比如里瓦的 Fastpitch ，幫助文本到語音管道的運行速度比市場上其他競爭對手快幾倍。

關于作者

About Gordana Neskovic

Gordana Neskovic 是AI/DL產(chǎn)品營銷團隊的成員，負責 NVIDIA Maxine。在加入 NVIDIA 之前，Gordana曾在VMware、Wells Fargo、Pinterest、SFO-ITT和KLA Tencor擔任過各種產(chǎn)品營銷、數(shù)據(jù)科學家、AI架構(gòu)師和工程職位。她擁有博士學位。圣塔 Clara 大學，塞爾維亞貝爾格萊德大學電氣工程碩士和學士學位。

About Sirisha Rella

Sirisha Rella 是 NVIDIA 的技術產(chǎn)品營銷經(jīng)理，專注于計算機視覺、語音和基于語言的深度學習應用。 Sirisha 獲得了密蘇里大學堪薩斯城分校的計算機科學碩士學位，是國家科學基金會大學習中心的研究生助理。

審核編輯：郭婷