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.