نقلت Deepgram نموذج Nova‑3 لتحويل الكلام إلى نص إلى شرائح AWS Trainium2. ويشغّل النقل ثماني نسخ من النموذج على مثيل واحد من نوع trn2.3xlarge. وفي مهام المعالجة الدفعية غير المتصلة، مثل تحليلات مراكز الاتصال، قاست Deepgram زيادة في كمية الصوت المعالَج مقابل كل دولار بنسبة 11–70% مقارنة بخيارات الحوسبة السابقة. وشمل العمل استخدام TorchNeuron مع PyTorch، واستبدال الطبقات بنوى مخصصة، وبناء بيئة تشغيل بلغة Rust لتفادي الأعباء الإضافية لـPython.
لماذا يهم
يمكن للعملاء الذين يستخدمون واجهة Deepgram البرمجية توقع انخفاض تكاليف النسخ الصوتي في أعباء العمل الدفعية واسعة النطاق.
