NVIDIA Parakeet
STT.ai не стартира този модел – тази страница е референтна информация за него.
Преписвай с моделите, които управляваме. →
3.0%
WER
1
Езици
55.0x
Скорост
CC-BY-4.0
Лицензация
За NVIDIA Parakeet
NVIDIA Parakeet TDT 1.1B е съвременен английски модел ASR, използващ FastConformer архитектура с Token-and-Duration Transducer (TDT). Постига близост до човешката точност по стандартни английски бенчмаркове и е високо оптимизиран за NVIDIA GPUs.
Езици, подкрепени от NVIDIA Parakeet
Информация за модела
- ДоставчикNVIDIA
- Архитектура-
- ЛицензацияCC-BY-4.0
- ОбновеноMar 2026
Често задавани въпроси
NVIDIA Parakeet е модел за реч към текст от NVIDIA. STT.ai не работи в момента NVIDIA Parakeet — тази страница е референтна информация за модела. За транскриптиране на STT.ai, моделът избирач предлага на семейство Whisper (Turbo, Large V3, Medium, Small).
По стандартни бенчмаркове NVIDIA Parakeet достига около 3.0% Word Error Rate. Real-world точност зависи от качеството на звука, акцента и езика; за шумни или акцентирани записи, очакват няколко процентни пункта по-висока WER.
NVIDIA Parakeet не е на разположение на STT.ai. Лицензирането на нейните собствени условия за управление на ръководството. STT.ai безплатно ниво покрива модели Whisper, които работим — 600 минути за начало, след това месечен безплатно топ-up.
NVIDIA Parakeet е освободен под CC-BY-4.0, допустим лиценз за отворен източник. Можете да се самоприемате NVIDIA Parakeet на своя собствен хардуер или да използвате нашата хостинг версия - и двете са търговски приложими.
NVIDIA Parakeet поддържа 1 езика. Автоматично откриване избира правилния език за повечето аудио; можете да го ръчно посочите и за малък асансьор за точност.
NVIDIA Parakeet процеси аудио на около 55.0x в реално време на нашите GPU. 1-часов аудио файл завършва в под 8802 минути; по-дълги файлове редица и уведомяване по имейл, когато се направи.
NVIDIA Parakeet има 8802 параметри. По-големите модели са по-точни, но по-бавни; STT.ai домакини NVIDIA Parakeet на GPU, така че броят на параметрите не влияе на производителността на вашия клиент.
NVIDIA Parakeet приема всеки формат STT.ai поддръжки — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI и др. Изход като TXT, SRT, VTT, DOCX, JSON или PDF.
Да. Диагностикацията на спикера се движи до NVIDIA Parakeet за всяка транскрипция — всеки говорител е етикетиран и можете да ги преименувате в редактора след това.
Да. NVIDIA Parakeet ходове в нашата управлявана среда — аудио се обработва и изтрива по подразбиране и никога не се използва за обучение без изрично оптимизиране. Про планове добавят клиент-страна шифриране за транскрипти в почивка.
Използвайте инструмента за сравнение, за да стартирате NVIDIA Parakeet срещу всеки друг подкрепен модел на един и същ звук – ще видите WER, сегмент брой, говорител етикети и доверителни резултати странично дострани. NVIDIA Parakeet спрямо Whisper Large V3 сравнението е най-често извършено.
Да. Определяте "nvidia-parakeet" като параметр за модела на точката /v1/transcribe. Python и Node.js SDKs включват NVIDIA Parakeet примери. Free API низ включва 100 минути/месечно.
Да. Тъй като NVIDIA Parakeet е 8802-лицензиран, можете да го самостоятелно домакин. STT.ai на отворения източник страница изброява репо и тежести на проекта. Повечето производствени екипи използват нашата хостинг версия, за да пропуснат GPU поръчки, смяна на модели и операции.