NVIDIA Parakeet

STT.ai pa kouri modèl sa a — paj sa a se enfòmasyon rekòmandasyon sou li. Transkripte ak modèl nou kouri →
3.0%
WER
1
Lang
55.0x
Vitès
CC-BY-4.0
Lisans

Atik NVIDIA Parakeet

NVIDIA Parakeet TDT 1.1B se yon modèl ASR angle ki pi avanse ki itilize achitekti FastConformer ak yon transduktè Token-and-Duration (TDT). Li rive jwenn yon presizyon ki prèske menm jan ak moun sou rekò angle nòmal yo epi li trè optimisé pou GPU NVIDIA.

Lang ki sipòte pa NVIDIA Parakeet

Kesyon ki poze souvan

NVIDIA Parakeet se yon modèl pale-a-tèks pa NVIDIA. STT.ai pa kouri NVIDIA Parakeet — paj sa a se enfòmasyon referans sou modèl la. Pou transkriptyon sou STT.ai, chwazi modèl la ofri fanmi Whisper (Turbo, Large V3, Medium, Small).

Sou baz tès standard, NVIDIA Parakeet rive nan alantou 3.0% Word Rate Erè. Real-mond egzakteman depann sou bon jan kalite son, accent, ak lang; pou enskri briyan oswa accented, espere kèk pwen pousan pi wo WER.

NVIDIA Parakeet pa disponib sou STT.ai. Li gen pwòp kondisyon lisans li pou l ka kouri l ou menm. Nivo gratis STT.ai a kouvri modèl Whisper nou kouri yo — 600 minit pou kòmanse, epi yon rekiperasyon gratis chak mwa.

NVIDIA Parakeet se yon lojisyèl ki disponib anba lisans CC-BY-4.0, yon lisans ki pèmèt pou itilize lojisyèl ki gen sous louvri. Ou ka itilize NVIDIA Parakeet sou aparèy ou menm oswa ou ka itilize vèsyon nou an ki disponib sou entènèt. Tout de sa ka itilize pou rezon komèsyal.

NVIDIA Parakeet sipòte 1 lang. Deteksyon otomatik chwazi lang ki kòrèk la pou pifò son; ou ka tou endike li pa men pou yon ti kras pi byen.

NVIDIA Parakeet ap trete son an nan yon vitès de 55.0x nan tan reyèl sou GPU nou yo. Yon dosye son 1 èdtan fini nan mwens pase 1 minit. Fichiers ki pi long yo pral mete nan yon liy epi yo pral notifye pa imèl lè yo fin fè.

NVIDIA Parakeet gen 1.1B paramèt. Pi gwo modèl yo gen tandans pou yo pi egzat men pi lent; STT.ai òganize NVIDIA Parakeet sou GPU pou ke kantite paramèt pa afekte pèfòmans bò kliyan ou a.

NVIDIA Parakeet aksepte chak fòma STT.ai sipòte - MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, ak lòt moun.Soti nan kòm TXT, SRT, VTT, DOCX, JSON, oswa PDF.

Diarization pale kouri ansanm ak NVIDIA Parakeet pou chak transkriptyon — chak pale se étiqueté ak ou ka re-nome yo nan editè a apre sa.

NVIDIA Parakeet kouri nan environnement nou an managed — son se trete ak efase pa default ak pa janm itilize pou fòmasyon san opt-an esplicite. Pro plan yo ajoute enkripsyon bò kliyan pou transkript nan repoze.

Itilize zouti konpare-stt pou kouri NVIDIA Parakeet kont nenpòt lòt modèl ki sipòte sou menm son - ou pral wè WER, konte segman, atik pale, ak pwen konfidans bò-a-bò. NVIDIA Parakeet vs Whisper Large V3 konparasyon se pi souvan kouri.

Wi. Espesifik "nvidia-parakeet" kòm paramèt modèl la sou /v1/transcribe pwen an bout. Python ak Node.js SDKs gen ladan NVIDIA Parakeet egzanp. Gratis API nivo gen ladan 100 minit / mwa.

Wi. paske NVIDIA Parakeet se CC-BY-4.0-licensed, ou ka self-host li. STT.ai's open-source page lists the project repo and weights. Pifò ekip pwodiksyon itilize nou an ki estoke vèsyon pou sispann GPU akizisyon, swaps modèl, ak ops.
Made by @nadermx