Descrição
O NVIDIA Parakeet é um modelo avançado de reconhecimento automático de fala (ASR) com 600 milhões de parâmetros, projetado para fornecer transcrições de alta qualidade em inglês. Ele suporta pontuação automática, capitalização e previsões precisas de timestamps em nível de palavra, tornando-o adequado para diversas aplicações, como IA conversacional, assistentes de voz e serviços de transcrição.
Ler mais
O modelo é baseado na arquitetura FastConformer, integrando o decodificador TDT, e é treinado com atenção total. Isso permite a transcrição eficiente de segmentos de áudio de até 24 minutos em uma única passagem. Ele alcança um RTFx de 3380 no ranking HF-Open-ASR com um tamanho de lote de 128, embora o desempenho possa variar dependendo da duração do áudio do conjunto de dados e do tamanho do lote.
O NVIDIA Parakeet está pronto para uso comercial e não comercial, regido pela licença CC-BY-4.0. Ele é otimizado para rodar em sistemas acelerados por GPU da NVIDIA, aproveitando hardware como núcleos de GPU e frameworks de software como bibliotecas CUDA para tempos de treinamento e inferência mais rápidos em comparação com soluções apenas de CPU.
O modelo é destinado a desenvolvedores, pesquisadores, acadêmicos e indústrias que constroem aplicações que requerem capacidades de conversão de fala em texto. Ele é treinado usando a ferramenta NeMo, inicializado a partir de um ponto de verificação SSL FastConformer e ajustado em dados de alta qualidade transcritos por humanos. O conjunto de dados de treinamento inclui aproximadamente 120.000 horas de dados de fala em inglês de várias fontes.
O NVIDIA Parakeet demonstra desempenho robusto em diferentes razões sinal-ruído e formatos de áudio estilo telefonia. Ele é avaliado usando os conjuntos de dados do Huggingface Open ASR Leaderboard, alcançando uma Taxa de Erro de Palavra (WER) de 6,05% em média. O modelo é projetado para ser robusto a ruídos e apresenta bom desempenho em vários tipos de entradas de áudio.
- CategoriaModelos de IA e LLMs
- Modelo de preçosCódigo aberto
- ImplantaçãoNuvem
- PlataformasLinux
Destaques de Modelo ASR NVIDIA Parakeet
Modelo ASR com 600 milhões de parâmetros
Pontuação e capitalização automáticas
Previsões precisas de timestamps em nível de palavra
Desempenho robusto em números falados e letras de músicas
Arquitetura FastConformer com decodificador TDT
Suporta segmentos de áudio de até 24 minutos
RTFx de 3380 no ranking HF-Open-ASR
Otimizado para sistemas acelerados por GPU da NVIDIA
Uso comercial e não comercial
Licença CC-BY-4.0
Primeiros passos com Modelo ASR NVIDIA Parakeet
Acesse a página: Visite huggingface.co/nvidia/parakeet-tdt-0.6b-v2
Carregue o modelo: Use a ferramenta NeMo para carregar o modelo pré-treinado
Configure o ambiente: Instale o NVIDIA NeMo e o PyTorch
Integre: Use API ou CLI para tarefas de transcrição
Ajuste fino: Personalize o modelo com conjuntos de dados adicionais
Casos de uso de Modelo ASR NVIDIA Parakeet
- IA Conversacional
- Assistentes de Voz
- Serviços de Transcrição
- Geração de Legendas
- Análise de Voz
