Google EmbeddingGemma 2 supera benchmarks de fala em vietnamita
O modelo EmbeddingGemma 2 atingiu o topo de oito benchmarks de reconhecimento de fala em vietnamita após apenas três horas de treinamento.
Pontos principais
- O modelo superou oito benchmarks de reconhecimento automático de fala (ASR) em vietnamita.
- O treinamento utilizou um conjunto de dados de 3.000 horas de áudio.
- O processo completo de treinamento foi concluído em um intervalo de três horas.
- O resultado foi obtido sem a necessidade de um decodificador autorregressivo pesado.
O Google anunciou que o seu modelo EmbeddingGemma 2 alcançou o topo de oito benchmarks de reconhecimento automático de fala (ASR) para o idioma vietnamita. O desempenho foi atingido após um período de treinamento de apenas três horas, utilizando uma base de 3.000 horas de áudio.
A eficiência do modelo foi destacada pela capacidade de atingir esses resultados sem a dependência de um decodificador autorregressivo pesado. A comunidade de desenvolvedores já tem realizado o fine-tuning da ferramenta com resultados positivos.
Cobertura da mídia
Leia também
Pesquisador utiliza EmbeddingGemma 2 para transcrição de áudio local
22 out, 13:45
Google anuncia atualizações em IA e novos modelos da linha Gemma
9 out, 10:41
Google lança EmbeddingGemma 2 para processamento multimodal
8 out, 13:40
Google DeepMind lança EmbeddingGemma 2 para uso local em dispositivos
6 out, 13:31
Google lança modelo de IA Gemma 4 12B para execução local
3 jun, 16:05
Comentários (0)
Seja o primeiro a comentar.
