{"version":"1","article":{"id":"saudi-nemotron-sada-dialect-benchmark-2026","slug":"saudi-nemotron-sada-dialect-benchmark-2026","language":"es","url":"https://haberpaper.com/es/news/saudi-nemotron-sada-dialect-benchmark-2026","api_url":"https://haberpaper.com/api/v1/articles/saudi-nemotron-sada-dialect-benchmark-2026?lang=es","title":"NVIDIA reduce los errores en una prueba de reconocimiento de dialectos saudíes","summary":"En su experimento con SADA, NVIDIA afirma que la tasa de error de palabras del conjunto Najdi-Hijazi bajó del 55,05 % al 29,96 %; el resultado se limita a los datos evaluados.","category":"business","region":"world","topics":[],"published_at":"2026-10-08T20:57:50+03:00","modified_at":"2026-10-08T20:57:50+03:00","publication_basis":"publication-record","event_period":"2026-09-30","event_period_basis":"event-or-reference-period","sources":[{"name":"NVIDIA Technical Blog","url":"https://developer.nvidia.com/blog/fine-tuning-nvidia-nemotron-for-saudi-arabic-dialects-with-a-path-to-other-languages/","publishedAt":"2026-09-30","checkedAt":"2026-10-08"}],"translations":[{"language":"tr","url":"https://haberpaper.com/tr/news/saudi-nemotron-sada-dialect-benchmark-2026","api_url":"https://haberpaper.com/api/v1/articles/saudi-nemotron-sada-dialect-benchmark-2026?lang=tr"},{"language":"en","url":"https://haberpaper.com/en/news/saudi-nemotron-sada-dialect-benchmark-2026","api_url":"https://haberpaper.com/api/v1/articles/saudi-nemotron-sada-dialect-benchmark-2026?lang=en"},{"language":"ar","url":"https://haberpaper.com/ar/news/saudi-nemotron-sada-dialect-benchmark-2026","api_url":"https://haberpaper.com/api/v1/articles/saudi-nemotron-sada-dialect-benchmark-2026?lang=ar"},{"language":"fr","url":"https://haberpaper.com/fr/news/saudi-nemotron-sada-dialect-benchmark-2026","api_url":"https://haberpaper.com/api/v1/articles/saudi-nemotron-sada-dialect-benchmark-2026?lang=fr"},{"language":"es","url":"https://haberpaper.com/es/news/saudi-nemotron-sada-dialect-benchmark-2026","api_url":"https://haberpaper.com/api/v1/articles/saudi-nemotron-sada-dialect-benchmark-2026?lang=es"}],"data_types":["table"],"data":{"version":1,"blocks":[{"id":"saudi-arabic-asr-test-results","type":"table","title":{"tr":"SADA konuşma tanıma test sonuçları","en":"SADA speech-recognition test results","ar":"نتائج اختبارات التعرف على الكلام في SADA","fr":"Résultats des tests de reconnaissance vocale SADA","es":"Resultados de las pruebas de reconocimiento SADA"},"description":{"tr":"NVIDIA teknik yazısındaki farklı test kümeleri için uyarlama öncesi ve sonrası kelime hata oranları.","en":"Before-and-after word error rates for separate test sets in NVIDIA’s technical post.","ar":"معدلات خطأ الكلمات قبل التكييف وبعده لمجموعات اختبار منفصلة في المقال التقني لإنفيديا.","fr":"Taux d’erreur de mots avant et après adaptation pour des tests distincts de l’article NVIDIA.","es":"Tasas de error de palabras antes y después del ajuste en conjuntos de prueba distintos del artículo de NVIDIA."},"methodology":{"tr":"WER, ikame/silme/ekleme hatalarının kelime sayısına oranıdır; doğruluk yüzdesi değildir. Her satır ayrı test kümesidir. Sonuçlar şirketin kendi teknik deneyinden gelir ve ülke çapında genellenemez.","en":"WER is substitutions, deletions and insertions relative to word count; it is not an accuracy percentage. Each row is a separate test set. Results are from the company’s own technical experiment and are not nationwide estimates.","ar":"يقيس WER الاستبدال والحذف والإضافة نسبةً إلى عدد الكلمات؛ وليس نسبة الدقة. وكل صف لمجموعة اختبار منفصلة. النتائج من تجربة الشركة التقنية ولا تمثل تقديراً على مستوى المملكة.","fr":"Le WER rapporte substitutions, suppressions et insertions au nombre de mots ; ce n’est pas un taux de précision. Chaque ligne est un test distinct. Résultats de l’expérience technique de l’entreprise, non d’une estimation nationale.","es":"WER relaciona sustituciones, eliminaciones e inserciones con el recuento de palabras; no es un porcentaje de precisión. Cada fila es una prueba independiente. Resultados del experimento técnico de la empresa, no una estimación nacional."},"sourceUrls":["https://developer.nvidia.com/blog/fine-tuning-nvidia-nemotron-for-saudi-arabic-dialects-with-a-path-to-other-languages/"],"updatedAt":"2026-10-08T19:35:56+03:00","columns":[{"key":"test_set","label":{"tr":"Test kümesi","en":"Test set","ar":"مجموعة الاختبار","fr":"Jeu de test","es":"Conjunto de prueba"},"type":"text","language":"en"},{"key":"before","label":{"tr":"Önce WER","en":"Before WER","ar":"WER قبل التكييف","fr":"WER avant","es":"WER antes"},"type":"number","unit":"percent"},{"key":"after","label":{"tr":"Sonra WER","en":"After WER","ar":"WER بعد التكييف","fr":"WER après","es":"WER después"},"type":"number","unit":"percent"}],"rows":[{"test_set":"SADA Najdi + Hijazi target split","before":55.05,"after":29.96},{"test_set":"Full SADA","before":58.84,"after":35.61},{"test_set":"FLEURS English","before":11.04,"after":10.42},{"test_set":"FLEURS Arabic","before":12.67,"after":11.41}]}]},"data_compilations":[{"id":"saudi-arabic-asr-test-results","creator":{"@type":"Organization","@id":"https://haberpaper.com/#organization","name":"Haber Paper","url":"https://haberpaper.com/"},"license":{"@type":"CreativeWork","@id":"https://haberpaper.com/en/data-terms/v1#license","name":"Haber Paper Original Data Compilation License 1.0","url":"https://haberpaper.com/en/data-terms/v1"},"rights_scope":"Haber Paper original data arrangement, labels and methodology notes only; underlying source rights and permissions remain separate.","source_license_url":null}],"data_downloads":[{"id":"saudi-arabic-asr-test-results","formats":{"json":"https://haberpaper.com/api/v1/articles/saudi-nemotron-sada-dialect-benchmark-2026/data/saudi-arabic-asr-test-results?lang=es&format=json","csv":"https://haberpaper.com/api/v1/articles/saudi-nemotron-sada-dialect-benchmark-2026/data/saudi-arabic-asr-test-results?lang=es&format=csv"}}],"content":{"paragraphs":["Una entrada técnica de NVIDIA publicada el 30 de septiembre describe la adaptación del modelo de reconocimiento automático del habla Nemotron 3.5 a los dialectos Najdi e Hijazi usados en Arabia Saudí. El equipo utilizó 133,7 horas de habla de esos dialectos del Saudi Audio Dataset for Arabic (SADA). La entrada indica que el filtrado conservó 103.559 enunciados de 125.490, o el 82,5 %. Se trata del propio experimento de entrenamiento y evaluación de la empresa, no de una medición independiente en todo el país.","NVIDIA informa de que la tasa de error de palabras (WER) del subconjunto de prueba Najdi-Hijazi bajó del 55,05 % al 29,96 %. En el conjunto completo de prueba SADA, descendió del 58,84 % al 35,61 %. WER contabiliza sustituciones, eliminaciones e inserciones en relación con el número de palabras; no equivale a decir que el modelo se volvió «un 25 % más preciso». En el mismo experimento, el WER inglés FLEURS pasó del 11,04 % al 10,42 %, y el árabe del 12,67 % al 11,41 %. Son pruebas separadas y no deben mezclarse.","La receta mezcla el habla dialectal con ejemplos ponderados de inglés y árabe de FLEURS y agrupa segmentos de duración similar para organizar el cálculo. El mejor resultado SADA publicado se obtuvo tras 12.000 pasos de entrenamiento y unas 4,5 horas en dos GPU. Son las condiciones experimentales de NVIDIA y no garantizan el mismo coste o resultado con datos, versiones de modelo o infraestructura distintos.","La entrada señala que los resultados varían según el conjunto de evaluación y que una mejora en una prueba no se puede generalizar automáticamente a otros dialectos o al uso real. El filtrado, el ruido, los micrófonos, la velocidad del habla y las convenciones de transcripción pueden alterar WER. NVIDIA también informa que ciertas opciones de decodificación fuera de línea redujeron los errores a costa de latencia; un contexto más amplio puede añadir unos 800 milisegundos. La transcripción en directo y la de archivos de llamadas presentan compensaciones distintas.","El reconocimiento adaptado a dialectos saudíes podría ser un componente técnico para atención al cliente, archivos de medios o interfaces de voz. La fuente no afirma que empresas saudíes hayan desplegado este modelo ni que exista un contrato comercial. Las mediciones muestran cambios de salida en los conjuntos de prueba especificados con la receta publicada. Un despliegue real aún exigiría pruebas locales, análisis de errores, controles de privacidad y consentimiento, evaluación de accesibilidad y costes y supervisión humana adecuada.","La tabla muestra porcentajes WER y mantiene separados los conjuntos de prueba. Los valores anteriores y posteriores son las mediciones de la entrada técnica; no pretenden representar todos los dialectos o hablantes del país. La conclusión respaldada es que el ajuste con datos dialectales específicos mejoró el rendimiento medido en este experimento; el uso real requiere una validación independiente."],"key_points":[],"sections":[]},"text":"En su experimento con SADA, NVIDIA afirma que la tasa de error de palabras del conjunto Najdi-Hijazi bajó del 55,05 % al 29,96 %; el resultado se limita a los datos evaluados.\n\nUna entrada técnica de NVIDIA publicada el 30 de septiembre describe la adaptación del modelo de reconocimiento automático del habla Nemotron 3.5 a los dialectos Najdi e Hijazi usados en Arabia Saudí. El equipo utilizó 133,7 horas de habla de esos dialectos del Saudi Audio Dataset for Arabic (SADA). La entrada indica que el filtrado conservó 103.559 enunciados de 125.490, o el 82,5 %. Se trata del propio experimento de entrenamiento y evaluación de la empresa, no de una medición independiente en todo el país.\n\nNVIDIA informa de que la tasa de error de palabras (WER) del subconjunto de prueba Najdi-Hijazi bajó del 55,05 % al 29,96 %. En el conjunto completo de prueba SADA, descendió del 58,84 % al 35,61 %. WER contabiliza sustituciones, eliminaciones e inserciones en relación con el número de palabras; no equivale a decir que el modelo se volvió «un 25 % más preciso». En el mismo experimento, el WER inglés FLEURS pasó del 11,04 % al 10,42 %, y el árabe del 12,67 % al 11,41 %. Son pruebas separadas y no deben mezclarse.\n\nLa receta mezcla el habla dialectal con ejemplos ponderados de inglés y árabe de FLEURS y agrupa segmentos de duración similar para organizar el cálculo. El mejor resultado SADA publicado se obtuvo tras 12.000 pasos de entrenamiento y unas 4,5 horas en dos GPU. Son las condiciones experimentales de NVIDIA y no garantizan el mismo coste o resultado con datos, versiones de modelo o infraestructura distintos.\n\nLa entrada señala que los resultados varían según el conjunto de evaluación y que una mejora en una prueba no se puede generalizar automáticamente a otros dialectos o al uso real. El filtrado, el ruido, los micrófonos, la velocidad del habla y las convenciones de transcripción pueden alterar WER. NVIDIA también informa que ciertas opciones de decodificación fuera de línea redujeron los errores a costa de latencia; un contexto más amplio puede añadir unos 800 milisegundos. La transcripción en directo y la de archivos de llamadas presentan compensaciones distintas.\n\nEl reconocimiento adaptado a dialectos saudíes podría ser un componente técnico para atención al cliente, archivos de medios o interfaces de voz. La fuente no afirma que empresas saudíes hayan desplegado este modelo ni que exista un contrato comercial. Las mediciones muestran cambios de salida en los conjuntos de prueba especificados con la receta publicada. Un despliegue real aún exigiría pruebas locales, análisis de errores, controles de privacidad y consentimiento, evaluación de accesibilidad y costes y supervisión humana adecuada.\n\nLa tabla muestra porcentajes WER y mantiene separados los conjuntos de prueba. Los valores anteriores y posteriores son las mediciones de la entrada técnica; no pretenden representar todos los dialectos o hablantes del país. La conclusión respaldada es que el ajuste con datos dialectales específicos mejoró el rendimiento medido en este experimento; el uso real requiere una validación independiente.","corrections":[],"editorial_illustration":{"kind":"symbolic-editorial-illustration","documentary":false,"scope":"section","asset_id":"business","url":"https://haberpaper.com/assets/illustrations/business-1536.webp","width":1536,"height":1024,"alt":"Taller industrial simbólico con maquinaria, almacén y grúa.","language":"es"},"section_illustration":{"kind":"symbolic-editorial-illustration","documentary":false,"scope":"section","asset_id":"business","url":"https://haberpaper.com/assets/illustrations/business-1536.webp","width":1536,"height":1024,"alt":"Taller industrial simbólico con maquinaria, almacén y grúa.","language":"es"}}}