Deskripsi
NVIDIA Parakeet adalah model pengenalan ucapan otomatis (ASR) canggih yang memiliki 600 juta parameter, dirancang untuk memberikan transkripsi bahasa Inggris berkualitas tinggi. Model ini mendukung tanda baca otomatis, kapitalisasi, dan prediksi timestamp tingkat kata yang akurat, menjadikannya cocok untuk berbagai aplikasi seperti AI percakapan, asisten suara, dan layanan transkripsi.
Baca Selengkapnya
Model ini didasarkan pada arsitektur FastConformer, mengintegrasikan dekoder TDT, dan dilatih dengan perhatian penuh. Ini memungkinkan transkripsi segmen audio hingga 24 menit dalam satu kali proses. Model ini mencapai RTFx sebesar 3380 di papan peringkat HF-Open-ASR dengan ukuran batch 128, meskipun kinerja dapat bervariasi tergantung pada durasi audio dataset dan ukuran batch.
NVIDIA Parakeet siap digunakan untuk keperluan komersial dan non-komersial, diatur oleh lisensi CC-BY-4.0. Model ini dioptimalkan untuk dijalankan di sistem yang dipercepat GPU NVIDIA, memanfaatkan perangkat keras seperti inti GPU dan kerangka perangkat lunak seperti pustaka CUDA untuk waktu pelatihan dan inferensi yang lebih cepat dibandingkan dengan solusi yang hanya menggunakan CPU.
Model ini ditujukan untuk pengembang, peneliti, akademisi, dan industri yang membangun aplikasi yang memerlukan kemampuan pengenalan ucapan ke teks. Model ini dilatih menggunakan toolkit NeMo, diinisialisasi dari checkpoint SSL FastConformer dan disesuaikan dengan data transkripsi manusia berkualitas tinggi. Dataset pelatihan mencakup sekitar 120.000 jam data ucapan bahasa Inggris dari berbagai sumber.
NVIDIA Parakeet menunjukkan kinerja yang kuat di berbagai rasio sinyal terhadap noise dan format audio gaya telepon. Model ini dievaluasi menggunakan dataset Huggingface Open ASR Leaderboard, mencapai Tingkat Kesalahan Kata (WER) rata-rata sebesar 6,05%. Model ini dirancang untuk tahan terhadap noise dan berkinerja baik di berbagai jenis input audio.
- KategoriModel AI & LLM
- Model HargaOpen source
- PenerapanCloud
- PlatformLinux
Sorotan Model ASR NVIDIA Parakeet
Model ASR dengan 600 juta parameter
Tanda baca dan kapitalisasi otomatis
Prediksi timestamp tingkat kata yang akurat
Kinerja yang kuat pada angka yang diucapkan dan lirik lagu
Arsitektur FastConformer dengan dekoder TDT
Mendukung segmen audio hingga 24 menit
RTFx sebesar 3380 di papan peringkat HF-Open-ASR
Dioptimalkan untuk sistem yang dipercepat GPU NVIDIA
Penggunaan komersial dan non-komersial
Lisensi CC-BY-4.0
Memulai dengan Model ASR NVIDIA Parakeet
Akses halaman: Kunjungi huggingface.co/nvidia/parakeet-tdt-0.6b-v2
Muat model: Gunakan toolkit NeMo untuk memuat model yang telah dilatih sebelumnya
Konfigurasi lingkungan: Instal NVIDIA NeMo dan PyTorch
Integrasi: Gunakan API atau CLI untuk tugas transkripsi
Sesuaikan: Kustomisasi model dengan dataset tambahan
Kasus Penggunaan Model ASR NVIDIA Parakeet
- AI Percakapan
- Asisten Suara
- Layanan Transkripsi
- Pembuatan Subtitle
- Analisis Suara
