Beschreibung
NVIDIA Parakeet ist ein fortschrittliches automatisches Spracherkennungsmodell (ASR) mit 600 Millionen Parametern, das entwickelt wurde, um hochwertige englische Transkriptionen zu liefern. Es unterstützt automatische Interpunktion, Großschreibung und präzise Zeitstempelvorhersagen auf Wortebene, was es für verschiedene Anwendungen wie konversationales KI, Sprachassistenten und Transkriptionsdienste geeignet macht.
Weiterlesen
Das Modell basiert auf der FastConformer-Architektur, integriert den TDT-Dekoder und wird mit vollständiger Aufmerksamkeit trainiert. Dies ermöglicht eine effiziente Transkription von Audiosegmenten von bis zu 24 Minuten in einem einzigen Durchgang. Es erreicht einen RTFx von 3380 auf der HF-Open-ASR-Rangliste mit einer Batch-Größe von 128, obwohl die Leistung je nach Audiodauer des Datensatzes und Batch-Größe variieren kann.
NVIDIA Parakeet ist bereit für kommerzielle und nicht-kommerzielle Nutzung, geregelt durch die CC-BY-4.0-Lizenz. Es ist optimiert für den Betrieb auf NVIDIA GPU-beschleunigten Systemen und nutzt Hardware wie GPU-Kerne und Software-Frameworks wie CUDA-Bibliotheken für schnellere Trainings- und Inferenzzeiten im Vergleich zu CPU-basierten Lösungen.
Das Modell richtet sich an Entwickler, Forscher, Akademiker und Branchen, die Anwendungen entwickeln, die Sprach-zu-Text-Funktionen erfordern. Es wurde mit dem NeMo-Toolkit trainiert, das von einem FastConformer-SSL-Checkpoint initialisiert und auf hochwertigen, menschlich transkribierten Daten feinabgestimmt wurde. Der Trainingsdatensatz umfasst etwa 120.000 Stunden englischer Sprachdaten aus verschiedenen Quellen.
NVIDIA Parakeet zeigt eine robuste Leistung über verschiedene Signal-Rausch-Verhältnisse und telefonstile Audioformate hinweg. Es wird mit den Datensätzen des Huggingface Open ASR Leaderboard bewertet und erreicht eine durchschnittliche Wortfehlerquote (WER) von 6,05 %. Das Modell ist darauf ausgelegt, rauschrobust zu sein und funktioniert gut mit verschiedenen Arten von Audioeingaben.
- KategorieKI-Modelle & LLMs
- PreismodellOpen Source
- BereitstellungCloud
- PlattformenLinux
NVIDIA Parakeet ASR Modell im Überblick
ASR-Modell mit 600 Millionen Parametern
Automatische Interpunktion und Großschreibung
Präzise Zeitstempelvorhersagen auf Wortebene
Robuste Leistung bei gesprochenen Zahlen und Songtexten
FastConformer-Architektur mit TDT-Dekoder
Unterstützt Audiosegmente von bis zu 24 Minuten
RTFx von 3380 auf der HF-Open-ASR-Rangliste
Optimiert für NVIDIA GPU-beschleunigte Systeme
Kommerzielle und nicht-kommerzielle Nutzung
CC-BY-4.0-Lizenz
Erste Schritte mit NVIDIA Parakeet ASR Modell
Zugriffsseite: Besuchen Sie huggingface.co/nvidia/parakeet-tdt-0.6b-v2
Modell laden: Verwenden Sie das NeMo-Toolkit, um das vortrainierte Modell zu laden
Umgebung konfigurieren: Installieren Sie NVIDIA NeMo und PyTorch
Integrieren: Verwenden Sie API oder CLI für Transkriptionsaufgaben
Feinabstimmung: Passen Sie das Modell mit zusätzlichen Datensätzen an
NVIDIA Parakeet ASR Modell's Anwendungsfälle
- Konversationales KI
- Sprachassistenten
- Transkriptionsdienste
- Untertitelgenerierung
- Sprachanalyse
