Transkripsi karo NVIDIA Parakeet
3.0%
WER
1
Basa
55.0x
Kecepatan
CC-BY-4.0
Lisénsi
Ngendi NVIDIA Parakeet
NVIDIA Parakeet TDT 1.1B ya iku model ASR basa Inggris kang nganggo arsitektur FastConformer kanthi Token-and-Duration Transducer (TDT). Iki bisa nggayuh akurasi manungsa ing standar benchmark basa Inggris lan dioptimalake kanggo NVIDIA GPU.
Basa kang didhukung déning NVIDIA Parakeet
Informasi Model
- PanyedhiyaNVIDIA
- Arsitektur-
- LisénsiCC-BY-4.0
- DioptimalakeMar 2026
Pitakon kang asring diajukake
STT.ai host NVIDIA Parakeet ing infrastruktur GPU kita supaya sampeyan bisa nggunakake tanpa provisioning piranti lunak dhewe - upload audio utawa video lan pilih NVIDIA Parakeet saka model pitcher.
Ing standar benchmarks, NVIDIA Parakeet ngrampungake sekitar 3.0% Word Error Rate. Real-world akurasi gumantung ing kualitas audio, accent, lan basa; kanggo noisey utawa accented rekaman, ngarepake sawetara persentase poin luwih dhuwur WER.
NVIDIA Parakeet diwiwiti ing tingkat gratis STT.ai - saben pengunjung nampa 600 menit kanggo miwiti tanpa biaya. rencana dibayar nambah watesan file sing luwih dawa, transkripsi pribadi, lan prioritas queueing.
NVIDIA Parakeet dirilis ing ngisor CC-BY-4.0, lisensi sumber terbuka sing permisif. Sampeyan bisa nginstal NVIDIA Parakeet ing piranti keras dhewe utawa nggunakake versi sing dihost - loro-loroné bisa digunakake kanthi komersial.
NVIDIA Parakeet nyokong 1 basa. Auto-deteksi milih basa kang bener kanggo akèh audio; sampeyan uga bisa nyetel kanthi manual kanggo nambah akurasi.
NVIDIA Parakeet ngproses audio ing kira-kira 55.0x real-time ing GPU kita. Fail audio 1 jam rampung ing ngisor 1 menit; file luwih dawa ing gulungan lan dilaporake liwat email nalika rampung.
NVIDIA Parakeet duwé parameter 1.1B. Model kang luwih gedhé luwih akurat nanging luwih lambat; STT.ai duwé host NVIDIA Parakeet ing GPU supaya penghitungan parameter ora ngrusak kinerja klien.
NVIDIA Parakeet nampa saben format STT.ai nyokong - MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, lan liyane. Output minangka TXT, SRT, VTT, DOCX, JSON, utawa PDF.
NVIDIA Parakeet diarization speakers dijalanaken kaliyan saben transkripsi - saben speaker dipunlabel lan sampeyan saged mènèhi jeneng anyar ing editor.
Ya. NVIDIA Parakeet dijalanaké ing lingkungan sing diurus — audio diproses lan dipasak kanthi pigura lan ora pernah digunakake kanggo latihan tanpa opt-in eksplisit. Rencana Pro nambah enkripsi klien-sisi kanggo transkripsi nalika ora aktif.
Gunakaké alat compare-stt kanggo nglakokaké NVIDIA Parakeet karo modél liya kang didhukung ing audio kang padha — sampeyan bakal ndeleng WER, penghitung segmen, label speaker, lan skor confidence side-by-side. Perbandingan NVIDIA Parakeet vs Whisper Large V3 iku sing paling umum dilakokaké.
Ya. Nyathet "nvidia-parakeet" minangka parameter model ing /v1/transcribe endpoint. Python lan Node.js SDKs ngemot conto NVIDIA Parakeet. Lapisan API gratis ngemot 100 menit/wulan.
Ya. Amargi NVIDIA Parakeet dipunlisensi CC-BY-4.0, sampeyan saged nghostaken piyambakipun. Lampiran sumber-bukah STT.ai nyathet repo proyèk lan bobot. Kathah tim produksi ingkang ngginakaken versi ingkang dipunhostaken kanggé nglewati GPU procurement, model swaps, lan ops.