दुनिया की अग्रणी कंप्यूटिंग और कृत्रिम बुद्धिमत्ता कंपनी एनवीडिया ने बताया है कि उसने अपने स्वचालित वाक् पहचान मॉडल 'Nemotron 3.5 ASR' को प्रशिक्षित करने के लिए सऊदी वाक् डेटासेट 'सदा' (SADA) का उपयोग किया। यह डेटासेट सऊदी डेटा और कृत्रिम बुद्धिमत्ता प्राधिकरण (सदाया) ने रेडियो और टेलीविज़न प्राधिकरण के सहयोग से जारी किया था। सऊदी प्रेस एजेंसी के अनुसार कंपनी ने यह जानकारी अपने डेवलपर ब्लॉग पर प्रकाशित एक तकनीकी अध्ययन में दी।

यह मॉडल अरबी सहित लगभग 40 भाषाओं और बोलियों में तत्काल ट्रांसक्रिप्शन करता है। प्रशिक्षण से पहले यह सऊदी बोली के हर 100 शब्दों में लगभग 55 शब्द गलत समझता था, जबकि 'सदा' से नज्दी और हिजाज़ी बोलियों के लगभग 133.7 घंटे के भाषण पर प्रशिक्षण के बाद यह संख्या लगभग 30 रह गई। पूरे डेटासेट पर शब्द त्रुटि दर 58.8% से घटकर 35.6% और अक्षर स्तर की त्रुटि 31.6% से घटकर 12.2% हो गई। अंग्रेज़ी और मानक अरबी में भी मॉडल का प्रदर्शन बेहतर हुआ। प्रशिक्षण में दो जीपीयू पर केवल लगभग साढ़े चार घंटे लगे।

एनवीडिया के अनुसार यह मॉडल 80 मिलीसेकंड से शुरू होने वाली प्रतिक्रिया अवधि के साथ रियल-टाइम एप्लिकेशन के लिए उपयुक्त है, जैसे वॉयस असिस्टेंट, चैट एजेंट, लाइव प्रसारण के सबटाइटल और कॉल सेंटर, मीडिया व बैठकों के रिकॉर्ड का ट्रांसक्रिप्शन। कंपनी ने डेवलपर्स के लिए यही पद्धति अन्य भाषाओं पर लागू करने के उपकरण और चरण भी उपलब्ध कराए हैं।

'सदा' डेटासेट वैश्विक प्लेटफ़ॉर्म Kaggle पर उपलब्ध है। इसमें अरबी ट्रांसक्रिप्शन के साथ लगभग 667 घंटे का ऑडियो है, जिसमें अधिकांश सऊदी बोलियां हैं। इनमें से 600 घंटे से अधिक सामग्री रेडियो और टेलीविज़न प्राधिकरण ने 57 से अधिक कार्यक्रमों और धारावाहिकों से दी, जबकि 20 घंटे परीक्षण के लिए रखे गए हैं। डेटा दस से अधिक बोलियों को कवर करता है और इसमें 125,000 से अधिक वर्गीकृत ऑडियो क्लिप हैं।

सऊदी अरब में रहने वाले प्रवासी भी रोज़मर्रा के जीवन में स्थानीय बोलियों से जुड़ी डिजिटल सेवाओं का उपयोग करते हैं, इसलिए ऐसी तकनीक का बेहतर होना उनके लिए भी उपयोगी है।