Description
NVIDIA Parakeet est un modèle avancé de reconnaissance automatique de la parole (ASR) comportant 600 millions de paramètres, conçu pour fournir une transcription anglaise de haute qualité. Il prend en charge la ponctuation automatique, la capitalisation et des prédictions d'horodatage au niveau des mots, ce qui le rend adapté à diverses applications telles que l'IA conversationnelle, les assistants vocaux et les services de transcription.
Lire la suite
Le modèle est basé sur l'architecture FastConformer, intégrant le décodeur TDT, et est entraîné avec une attention complète. Cela permet une transcription efficace de segments audio allant jusqu'à 24 minutes en un seul passage. Il atteint un RTFx de 3380 sur le classement HF-Open-ASR avec une taille de lot de 128, bien que les performances puissent varier en fonction de la durée audio du jeu de données et de la taille du lot.
NVIDIA Parakeet est prêt pour une utilisation commerciale et non commerciale, régi par la licence CC-BY-4.0. Il est optimisé pour fonctionner sur des systèmes accélérés par GPU NVIDIA, tirant parti de matériel tel que les cœurs GPU et des frameworks logiciels tels que les bibliothèques CUDA pour des temps d'entraînement et d'inférence plus rapides par rapport aux solutions uniquement CPU.
Le modèle est destiné aux développeurs, chercheurs, universitaires et industries construisant des applications nécessitant des capacités de conversion de la parole en texte. Il est entraîné à l'aide de l'outil NeMo, initialisé à partir d'un point de contrôle SSL FastConformer et affiné sur des données de haute qualité, transcrites par des humains. Le jeu de données d'entraînement comprend environ 120 000 heures de données de parole anglaise provenant de diverses sources.
NVIDIA Parakeet démontre des performances robustes à travers différents rapports signal/bruit et formats audio de style téléphonique. Il est évalué à l'aide des ensembles de données du classement Huggingface Open ASR, atteignant un taux d'erreur de mots (WER) de 6,05 % en moyenne. Le modèle est conçu pour être robuste au bruit et fonctionne bien avec divers types d'entrées audio.
- CatégorieModèles d'IA et LLM
- Modèle tarifaireOpen source
- DéploiementCloud
- PlateformesLinux
Points forts de Modèle ASR NVIDIA Parakeet
Modèle ASR de 600 millions de paramètres
Ponctuation et capitalisation automatiques
Prédictions d'horodatage au niveau des mots précises
Performances robustes sur les chiffres parlés et les paroles de chansons
Architecture FastConformer avec décodeur TDT
Prend en charge des segments audio allant jusqu'à 24 minutes
RTFx de 3380 sur le classement HF-Open-ASR
Optimisé pour les systèmes accélérés par GPU NVIDIA
Utilisation commerciale et non commerciale
Licence CC-BY-4.0
Premiers pas avec Modèle ASR NVIDIA Parakeet
Accéder à la page : Visitez huggingface.co/nvidia/parakeet-tdt-0.6b-v2
Charger le modèle : Utilisez l'outil NeMo pour charger le modèle pré-entraîné
Configurer l'environnement : Installez NVIDIA NeMo et PyTorch
Intégrer : Utilisez l'API ou la CLI pour les tâches de transcription
Affiner : Personnalisez le modèle avec des ensembles de données supplémentaires
Cas d'utilisation de Modèle ASR NVIDIA Parakeet
- IA Conversationnelle
- Assistants Vocaux
- Services de Transcription
- Génération de Sous-titres
- Analyse Vocale
