Sprach-KI

Bieten Sie sprachbasierte Schnittstellen für Ihre Gesprächs-KI-Anwendungen.

    Was ist Sprach-KI?

    Sprach-KI bietet Menschen die Möglichkeit, sich mit Geräten, Maschinen und Computern zu unterhalten, um ihre Arbeit zu vereinfachen und zu verbessern. Als Untergruppe der Gesprächs-KI umfasst sie automatische Spracherkennung (ASR) und Text-to-Speech (TTS), um Stimme in Text zu konvertieren und aus geschriebenen Wörtern eine menschenähnliche Stimme zu generieren. So sind leistungsstarke Anwendungen wie virtuelle Assistenten, Echtzeittranskriptionen und Sprachsuchen, die von großen Sprachmodellen (Large Language Models, LLMs) und Retrieval-Augmented Generation (RAG) unterstützt werden, möglich.

    Die Vorteile der Verwendung von Sprach-KI.

    Erstklassige Genauigkeit.

    Optimieren Sie die Nutzererfahrung mit erstklassiger Genauigkeit durch Anpassung von Sprach-KI-Modellen.

    Unterstützung mehrerer Sprachen.

    Erweitern Sie Ihre Kundenbasis, indem Sie sprachbasierte Anwendungen in den Sprachen anbieten, die Ihre Kunden sprechen.

    Hohe Leistung und Skalierbarkeit

    Bedienen Sie mehr Kunden mit Anwendungen mit geringer Latenz und hohem Durchsatz, die sich sofort auf jede Infrastruktur skalieren lassen: lokal, in der Cloud, in der Peripherie oder eingebettet.

    Eine einzigartige, natürliche Stimme für Ihre Marke.

    Verbessern Sie Ihren Kundenservice, indem Sie schnelle und sinnvolle Interaktionen mit der einzigartigen Stimme Ihrer Marke ermöglichen.

    Kostenloses E-Book: Erstellen von Sprach-KI-Anwendungen

    Erfahren Sie, wie Sie Echtzeit-Sprach-KI-Pipelines für Ihre Gesprächs-KI-Anwendung erstellen und bereitstellen.

    E-Book herunterladen

    GTC-Sitzungen 2024

    Jenseits des Mythos von Sprach-KI 

    Erfahren Sie, wie Sprach-KI-Technologien wie automatische Spracherkennung und Text-to-Speech heute Millionen von Gesprächen automatisieren.

    On demand ansehen

    Speech and Generative AI Developer Day

    Lernen Sie, wie Sie Sprach- und Übersetzungs-KI mit LLMs und RAG-Anwendungen nutzen können, um Chatbots in leistungsstarke mehrsprachige virtuelle Assistenten und Avatare zu verwandeln.

    On demand ansehen

    Transformation von mehrsprachiger Multimedia mit Sprach-KI

    Erfahren Sie, wie Sie mithilfe der NVIDIA® Riva-Spracherkennung, Text-to-Speech-Technologie und Übersetzung Untertitel und Synchronisation in einer bestimmten Sprache hinzufügen können.

     

    On demand ansehen

    So wird Sprach-KI eingesetzt.

    Multi-Speaker Transcription

    Mehrere Sprecher gleichzeitig transkribieren.

    Moderne Speech-to-Text-Algorithmen können Meetings, Vorträge und soziale Interaktionen transkribieren und dabei die jeweiligen Sprecher erkennen sowie ihre Beiträge kennzeichnen. Mit Sprach-KI-Technologien und SDKs von NVIDIA können Sie genaue Transkriptionen für Callcenter-Gespräche und Videokonferenzen erstellen und die Anfertigung klinischer Notizen bei Arzt-Patienten-Gesprächen automatisieren.

    NVIDIA Riva: Erstellen Sie Ihre eigene Sprach-KI-Anwendung
    Machen Sie Ihre Assistenten virtuell und hochintelligent

    Machen Sie Ihre Assistenten virtuell und hochintelligent

    Mehrsprachige virtuelle Assistenten kommunizieren über eine Sprachschnittstelle mit den Benutzern und unterstützen bei verschiedensten Aufgaben – von der Lösung von Kundenproblemen in Callcentern über das Einschalten des Fernsehers als Smarthome-Assistent bis hin zur Navigation zur nächsten Tankstelle als intelligenter Fahrzeugassistent. Schaffen Sie hochintelligente virtuelle Assistenten und Chatbots, die sich auf LLMs und RAGs stützen, oder nutzen Sie die NVIDIA Avatar Cloud Engine (ACE), um die Sprach- und Übersetzungs-KI von NVIDIA in Ihre Avatar-Anwendungen zu integrieren und spannende Interaktionen in vielen Sprachen zu ermöglichen.

    Entdecken Sie KI-Chatbots mit RAG Develop and Deploy Interactive Avatars With NVIDIA ACE
    NVIDIA Custom Voice

    Machen Sie Ihre Stimme zu Ihrem Markenzeichen.

    Mit einer Markenstimme mit Wiedererkennungswert können Unternehmen Anwendungen erstellen, die Beziehungen zu Kunden aufbauen und gleichzeitig alle Kunden unterstützen, auch solche mit Sprech- und Sprachdefiziten. Mit NVIDIA Custom Voice, Teil der Sprach-KI, können Sie ganz einfach schon mit 30 Minuten aufgezeichneter Sprachdaten innerhalb weniger Stunden statt Wochen eine einzigartige, hochwertige Sprachpersönlichkeit für Ihre Marke erstellen.

    Fachkundige, authentische Fragen und Antworten mit NVIDIA Omniverse ACE für Project Tokkio

    Entwickeln Sie anpassbare Sprach-KI-Schnittstellen.

    Verkürzen Sie das Training mit vorab trainierten Modellen.

    Moderne Sprach-KI-Systeme verwenden DNN-Modelle (Deep Neural Network), die mit riesigen Datensätzen trainiert werden. Im Laufe der Zeit ist die Größe der Sprach-KI-Modelle derart angewachsen, dass das Trainieren solcher Modelle Wochen intensiver Rechenzeit erfordern kann, selbst wenn Deep-Learning-Frameworks wie PyTorch, TensorFlow und MXNet auf Hochleistungs-GPUs verwendet werden.

    Sprach-KI von NVIDIA bietet im NVIDIA NGC™-Katalog vortrainierte Modelle in Produktionsqualität, die über Hunderttausende Stunden auf NVIDIA DGX™-Systemen mit mehreren öffentlichen und proprietären Datensätzen trainiert werden.

    Mehr über vorab trainierte Modelle von NVIDIA erfahren

    Abbildung 1: Hochpräzise, vorab trainierte Modelle.

    Abbildung 2: Durchgängiger TAO Toolkit-Workflow.

    Passen Sie Modelle für eine höhere Genauigkeit an.

    Viele Unternehmen müssen Sprach-KI-Modelle anpassen, um die gewünschte Genauigkeit für ihre spezifischen Gesprächsanwendungen zu erzielen. Um Sprach-KI-Modelle jedoch von Grund auf anzupassen, sind in der Regel große Trainingsdatensätze und KI-Expertise erforderlich.

    Um die Entwicklung zu beschleunigen und Sprachmodelle ohne vorherige KI-Erfahrung hochgradig anzupassen, können Sie das NVIDIA NeMo™ verwenden, ein Low-Code-Toolkit für die KI-Modellentwicklung. Es wendet einen bewährten Transfer Learning-Ansatz auf ein vorab trainiertes Modell an und verfeinert Sprach-KI-Modelle für Ihren Anwendungsfall. NVIDIA bietet außerdem NeMo, ein Open-Source-Toolkit für Forscher, um Sprach-KI-Modelle auf aktuellstem technischen Stand (SOTA) zu erstellen. Mit NeMo und dem TAO Toolkit optimierte Modelle können einfach in NVIDIA® Riva exportiert und lokal oder in der Cloud als Sprachdienst bereitgestellt werden.

    Laden Sie dieses E-Book herunter, um Ihre ersten Schritte mit anpassbarer Sprach-KI zu machen

    Schaffen Sie natürliche Interaktionen, indem Sie Echtzeitfähigkeiten entwickeln.

    Bei Sprach-KI-Fähigkeiten mussten Unternehmen immer zwischen Genauigkeit und Echtzeitleistung wählen. Sie können beispielsweise keine Fragen stellen und dann einige Sekunden auf eine Antwort warten. Darüber hinaus sollen Gesprächs-KI-Anwendungen nichts falsch interpretieren oder Kauderwelsch erzeugen.

    Mit NVIDIA Riva können Unternehmen erstklassige Genauigkeit erreichen und ihre Sprach-KI-Pipelines in Echtzeit ausführen – innerhalb weniger Millisekunden. Riva bietet auf NGC vorab trainierte SOTA-Modelle und Low-Code-Tools wie das TAO Toolkit für die Feinanpassung, um erstklassige Genauigkeit und optimierte Fähigkeiten für Echtzeitleistung zu erzielen.

    Erfahren Sie, wie Unternehmen Riva in der Produktion eingesetzt haben

    Abbildung 3:  Sprach-KI-Fähigkeiten von NVIDIA Riva

    Entdecken Sie die neuesten Durchbrüche in der Sprach-KI.

    Sprach-KI wird mehrsprachig.

    Sprach-KI-Anwendungen und -Pipelines müssen mehrere Sprachen, Dialekte und Akzente verstehen, um auf der ganzen Welt eingesetzt werden zu können. Zum Beispiel sprechen Menschen in den USA und den meisten anderen Ländern unterschiedliche Sprachen. In Anwendungsfällen wie in Callcentern gibt es Fälle, in denen Kunden mehr als eine Sprache verwenden, um zu beschreiben, was vor sich geht. Der nächste Schritt besteht in Sprach-KI-Anwendungen, die diese Situationen bewältigen können.

    Entwickler können für jede Sprache separate Sprachmodelle verwenden, oder ein einzelnes Modell, das mehr als eine Sprache verarbeiten kann. Erfahren Sie auf der Seite Spracherkennungssammlungen mehr über ASR-Modelle in verschiedenen Sprachen.

    Sprach-KI von der Cloud ins Gerät verlagern.

    Als Unternehmen damit begannen, Sprach-KI zu nutzen, nutzten alle Cloud-Dienste, weil sie einfach einzurichten und zu verwenden sind. Allmählich stiegen Unternehmen auf lokale Lösungen um, um Datenschutzprobleme zu vermeiden. On-Device-Lösungen sind nun der neueste Durchbruch, nicht nur um Daten geschützt zu halten, sondern auch für schnellere Inferenz und Kosteneinsparungen. 

    Mit NVIDIA Riva können Anwendungen in eingebetteten, Rechenzentrums- und Cloud-Umgebungen bereitgestellt werden, um anpassbare Sprach-KI-Schnittstellen für Ihre Gesprächs-KI-Anwendung zu entwickeln.

    Erste Schritte mit Sprach-KI

    Erste Schritte mit Sprach-KI

    Beschleunigen Sie die Entwicklungszeit mit gebündelten AI-Workflows, in denen NVIDIA KI-Frameworks und vortrainierte Modelle sowie Ressourcen wie Helm-Diagramme, Jupyter-Notebooks und Dokumentation enthalten sind, um Sie bei der Entwicklung von KI-Lösungen zu unterstützen.

    Weitere Informationen zum Workflow für Audiotranskription
    Weitere Informationen zum Workflow von KI-Chatbots mit RAG

    Starten Sie mit der Entwicklung mit Containern und Modellen

    Für umfangreiche Bereitstellungen ist der Kauf von NVIDIA Riva erforderlich, jedoch bietet NVIDIA auch eine Vielzahl von Containern, Modellen und Anpassungstools kostenlos an.

    Entdecken Sie Container, vortrainierte Modelle und die Bereitstellung mit Riva
    Erstellen Sie eigene Modelle mit NeMo

    Greifen Sie auf Bildungsressourcen zu.

    Erhalten Sie eine Einführung in die Sprach-KI.

    Lernen Sie die Kernkonzepte von Sprach-KI kennen und erfahren Sie, wie Sie Sprachtechnologieanwendungen erstellen und bereitstellen.

    E-Books zu Sprach-KI lesen

    Entmystifizieren Sie Gesprächs-KI.

    Erfahren Sie, wie Sie Sprach-KI zu Gesprächs-KI-Apps hinzufügen und sie beim Training und der Inferenzzeit anpassen können.

    Sehen Sie sich die GTC-Session „Gesprächs-KI – jenseits des Mythos“ an

    Sprach-KI-Blogs durchsuchen.

    Erfahren Sie, was Sprach-KI ist, wie sie sich im Laufe der Zeit verändert hat, was die wichtigsten Komponenten, Herausforderungen und Anwendungsfälle sind und was Sprach-KI-SDKs von NVIDIA bieten.

    Sprach-KI-Blogs lesen

    Sehen Sie sich NVIDIA Riva genauer an.

    Lernen Sie die wichtigsten Funktionen von NVIDIA Riva kennen, die Sie beim Erstellen von Sprach-KI-Diensten unterstützen können.

    NVIDIA Riva-Einführungsblog lesen

    Registrieren und aktuelle Neuigkeiten zur Gesprächs-KI von NVIDIA erhalten.

    Registrieren
    Produkte
    Technologien
    Software
    Ressourcen