Описание
NVIDIA Parakeet — это современная модель автоматического распознавания речи (ASR), содержащая 600 миллионов параметров и предназначенная для обеспечения высококачественной транскрипции на английском языке. Она поддерживает автоматическую пунктуацию, заглавные буквы и точные предсказания временных меток на уровне слов, что делает ее подходящей для различных приложений, таких как разговорный ИИ, голосовые помощники и услуги транскрипции.
Читать далее
Модель основана на архитектуре FastConformer, интегрирующей декодер TDT, и обучена с полным вниманием. Это позволяет эффективно транскрибировать аудиосегменты длиной до 24 минут за один проход. Она достигает RTFx 3380 на таблице лидеров HF-Open-ASR с размером пакета 128, хотя производительность может варьироваться в зависимости от продолжительности аудио в наборе данных и размера пакета.
NVIDIA Parakeet готова к коммерческому и некоммерческому использованию, регулируется лицензией CC-BY-4.0. Она оптимизирована для работы на системах с ускорением GPU от NVIDIA, используя такие аппаратные средства, как ядра GPU, и программные фреймворки, такие как библиотеки CUDA, для более быстрого обучения и вывода по сравнению с решениями только на CPU.
Модель предназначена для разработчиков, исследователей, ученых и отраслей, создающих приложения, требующие возможностей преобразования речи в текст. Она обучена с использованием инструментария NeMo, инициализированного из контрольной точки FastConformer SSL и дообучена на высококачественных данных, транскрибированных человеком. Обучающий набор данных включает примерно 120 000 часов английских речевых данных из различных источников.
NVIDIA Parakeet демонстрирует надежную производительность в различных соотношениях сигнал/шум и аудиоформатах в стиле телефонии. Она оценивается с использованием наборов данных Huggingface Open ASR Leaderboard, достигая средней ошибки слов (WER) 6,05%. Модель разработана для устойчивости к шуму и хорошо работает с различными типами аудиовходов.
- КатегорияИИ-модели и LLM
- Модель ценообразованияОткрытый код
- РазвёртываниеОблако
- ПлатформыLinux
Главное о Модель ASR NVIDIA Parakeet
Модель ASR с 600 миллионами параметров
Автоматическая пунктуация и заглавные буквы
Точные предсказания временных меток на уровне слов
Надежная производительность при произнесении чисел и текстов песен
Архитектура FastConformer с декодером TDT
Поддерживает аудиосегменты длиной до 24 минут
RTFx 3380 на таблице лидеров HF-Open-ASR
Оптимизирована для систем с ускорением GPU от NVIDIA
Коммерческое и некоммерческое использование
Лицензия CC-BY-4.0
Начало работы с Модель ASR NVIDIA Parakeet
Доступ к странице: Посетите huggingface.co/nvidia/parakeet-tdt-0.6b-v2
Загрузите модель: Используйте инструментарий NeMo для загрузки предобученной модели
Настройте окружение: Установите NVIDIA NeMo и PyTorch
Интеграция: Используйте API или CLI для задач транскрипции
Дообучение: Настройте модель с помощью дополнительных наборов данных
Варианты использования Модель ASR NVIDIA Parakeet
- Разговорный ИИ
- Голосовые помощники
- Услуги транскрипции
- Генерация субтитров
- Аналитика речи
