# Deepgram هزینه تبدیل گفتار به متن را با AWS Trainium2 تا ۷۰٪ کاهش داد

> Deepgram با انتقال مدل Nova‑3 به تراشه‌های Trainium2 آمازون، در پردازش‌های دسته‌ای با هر دلار حجم بیشتری از صدا را پردازش می‌کند.

Oossa · 2026-10-19 · https://oossa.com/fa/deepgram-cuts-speech-to-text-costs-11-70-with-aws-trainium2

Deepgram مدل تبدیل گفتار به متن Nova‑3 را به تراشه‌های AWS Trainium2 منتقل کرد. این نسخه روی یک نمونه trn2.3xlarge، هشت کپی از مدل را اجرا می‌کند. Deepgram در پردازش‌های دسته‌ای آفلاین، مانند تحلیل تماس‌های مراکز پشتیبانی، اندازه‌گیری کرد که در مقایسه با گزینه‌های محاسباتی قبلی، به‌ازای هر دلار ۱۱ تا ۷۰٪ صدای بیشتری پردازش می‌شود. این کار شامل استفاده از TorchNeuron برای PyTorch، جایگزینی لایه‌ها با کرنل‌های سفارشی و ساخت یک محیط اجرایی با Rust برای حذف سربار Python بود.

## حقایق

- پیکربندی Trainium2 شرکت Deepgram به‌ازای هر دلار ۱۱ تا ۷۰٪ صدای بیشتری پردازش کرد.
- هشت کپی از Nova‑3 روی یک نمونه EC2 از نوع trn2.3xlarge اجرا می‌شود.

## چرا مهم است

مشتریانی که از API شرکت Deepgram استفاده می‌کنند، می‌توانند در پردازش‌های دسته‌ای گسترده انتظار هزینه کمتر برای پیاده‌سازی گفتار به متن را داشته باشند.

## منابع و ارجاع‌ها

1. [How Deepgram optimized voice AI at scale with AWS Trainium](https://aws.amazon.com/blogs/machine-learning/how-deepgram-optimized-voice-ai-at-scale-with-aws-trainium/) – AWS, 2026-10-19

آخرین به‌روزرسانی: 2026-10-19