NVIDIA Parakeet
STT.ai មិនរត់ម៉ូដែលនេះទេ — ទំព័រនេះគឺជាព័ត៌មានយោងអំពីវា ។
បម្លែងជាមួយម៉ូដែលដែលយើងរត់ →
3.0%
WER
1
ភាសា
55.0x
ល្បឿន
CC-BY-4.0
អាជ្ញាបណ្ណ
អំពី NVIDIA Parakeet
NVIDIA Parakeet TDT 1.1B គឺជាម៉ូដែល ASR ភាសាអង់គ្លេស state-of-the-art ដែលប្រើស្ថាបត្យកម្ម FastConformer ជាមួយ Token-and-Duration Transducer (TDT) ។ វាសម្រេចបាននូវភាពត្រឹមត្រូវជិតមនុស្សលើស្តង់ដារភាសាអង់គ្លេសស្តង់ដារហើយត្រូវបានធ្វើឱ្យប្រសើរឡើងយ៉ាងខ្ពស់សម្រាប់ NVIDIA GPUs ។
ភាសាដែលបានគាំទ្រដោយ NVIDIA Parakeet
ព័ត៌មានម៉ូដែល
- ក្រុមហ៊ុនផ្ដល់NVIDIA
- ស្ថាបត្យកម្ម-
- អាជ្ញាបណ្ណCC-BY-4.0
- ធ្វើឲ្យទាន់សម័យMar 2026
សំណួរដែលសួរញឹកញាប់
NVIDIA Parakeet គឺជាគំរូការនិយាយទៅអត្ថបទដោយ NVIDIA ។ STT.ai បច្ចុប្បន្នមិនរត់ NVIDIA Parakeet — ទំព័រនេះគឺជាព័ត៌មានយោងអំពីគំរូ ។ សម្រាប់ការបកប្រែលើ STT.ai អ្នកជ្រើសគំរូផ្តល់ជូនគ្រួសារ Whisper (Turbo, ធំ V3, មធ្យម, តូច) ។
លើ ស្តង់ដារ គោលដៅ NVIDIA Parakeet សម្រេចបាន ជុំវិញ 3.0% អត្រា កំហុស ពាក្យ ។ ភាពត្រឹមត្រូវ ពិត ប្រាកដ ពិភពលោក អាស្រ័យ លើ គុណភាព អូឌីយ៉ូ សំឡេង រំខាន និង ភាសា សំឡេង រំខាន ឬ សំឡេង រំខាន រំពឹង ថា ពិន្ទុ ភាគរយ តិច ជាង WER ។
NVIDIA Parakeet មិន អាច ប្រើ បាន លើ STT.ai. លក្ខខណ្ឌ អាជ្ញាប័ណ្ណ របស់ខ្លួន គ្រប់គ្រង ដំណើរការ វា ដោយ ខ្លួន អ្នក. STT.ai កម្រិត ឥត គិត ថ្លៃ គ្រប ដណ្ដប់ លើ ម៉ូដែល Whisper ដែល យើង ធ្វើ ដំណើរ - 600 នាទី ដើម្បី ចាប់ផ្តើម, បន្ទាប់មក មួយ ខែ ឥត គិត ថ្លៃ បន្ថែម ឡើង.
NVIDIA Parakeet ត្រូវបាន ចេញ ផ្សាយ ក្រោម CC-BY-4.0 អាជ្ញាប័ណ្ណ ប្រភព បើកចំហ អនុញ្ញាត ។ អ្នក អាច ធ្វើ ម្ចាស់ ខ្លួន ឯង NVIDIA Parakeet លើ ផ្នែក រឹង របស់ អ្នក ឬ ប្រើ កំណែ ដែលបាន រៀបចំ របស់យើង — ទាំងពីរ គឺ អាច ប្រើ បាន ជា ពាណិជ្ជកម្ម ។
NVIDIA Parakeet គាំទ្រ 1 ភាសា & # 160; ។ ការរកឃើញដោយស្វ័យប្រវត្តិជ្រើសភាសាត្រឹមត្រូវសម្រាប់អូឌីយ៉ូភាគច្រើន & # 160; ។ អ្នកក៏អាចបញ្ជាក់វាដោយដៃសម្រាប់ការលើកភាពត្រឹមត្រូវតូចមួយ & # 160; ។
NVIDIA Parakeet ដំណើរការអូឌីយ៉ូនៅប្រហែល 55.0x ពេលវេលាពិតប្រាកដនៅលើ GPUs របស់យើង។ ឯកសារអូឌីយ៉ូ 1 ម៉ោងបញ្ចប់នៅក្រោម 1 នាទី; ឯកសារយូរជាងនេះជាជួរនិងជូនដំណឹងតាមរយៈអ៊ីម៉ែលនៅពេលធ្វើរួច។
NVIDIA Parakeet មានប៉ារ៉ាម៉ែត្រ 1.1B ។ ម៉ូដែលធំជាងគេមានទំនោរទៅជាត្រឹមត្រូវជាងមុន ប៉ុន្តែយឺតជាងមុន STT.ai ម៉ាស៊ីន NVIDIA Parakeet នៅលើ GPU ដូច្នេះការរាប់ប៉ារ៉ាម៉ែត្រមិនប៉ះពាល់ដល់ការប្រតិបត្តិផ្នែកម៉ាស៊ីនភ្ញៀវរបស់អ្នកទេ ។
NVIDIA Parakeet ទទួលយកទ្រង់ទ្រាយទាំងអស់ STT.ai គាំទ្រ - MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, និងអ្នកដទៃទៀត. លទ្ធផលជា TXT, SRT, VTT, DOCX, JSON, ឬ PDF.
បាទ. កម្មវិធីសរសេរសំបុត្ររបស់អ្នកនិយាយរត់នៅជាប់គ្នា NVIDIA Parakeet សម្រាប់ការបកប្រែរាល់គ្នា - អ្នកនិយាយនីមួយៗមានស្លាកហើយអ្នកអាចប្ដូរឈ្មោះពួកគេក្នុងកម្មវិធីនិពន្ធបន្ទាប់មក & # 160; ។
បាទ. NVIDIA Parakeet រត់នៅក្នុងបរិស្ថានគ្រប់គ្រងរបស់យើង - អូឌីយ៉ូត្រូវបានដំណើរការនិងលុបដោយលំនាំដើមនិងមិនដែលប្រើសម្រាប់បណ្តុះបណ្តាលដោយគ្មានការជ្រើសចូលដោយផ្ទាល់។ ផែនការ Pro បន្ថែមការអ៊ិនគ្រីបផ្នែកអតិថិជនសម្រាប់អត្ថបទនៅសល់។
ប្រើឧបករណ៍ប្រៀបធៀប-stt ដើម្បីរត់ NVIDIA Parakeet ប្រឆាំងនឹងម៉ូដែលផ្សេងទៀតដែលគាំទ្រលើអូឌីយ៉ូដូចគ្នា - អ្នកនឹងឃើញ WER, រាប់ផ្នែក, ស្លាកអធិបតី, និងពិន្ទុទំនុកចិត្តខាងក្នុង-ដោយ-ខាងក្រៅ. NVIDIA Parakeet ប្រឆាំងនឹងការប្រៀបធៀប Whisper ធំ V3 គឺរត់ជាទូទៅបំផុត។
បាទ / ចាស។ បញ្ជាក់ "nvidia-parakeet" ជាប៉ារ៉ាម៉ែត្រម៉ូដែលនៅលើ / v1 / transcribe endpoint ។ Python និង Node.js SDKs រួមបញ្ចូលឧទាហរណ៍ NVIDIA Parakeet ។ កម្រិត API ឥតគិតថ្លៃរួមបញ្ចូល 100 នាទី / ខែ ។
បាទ។ ដោយសារតែ NVIDIA Parakeet គឺជាអាជ្ញាប័ណ្ណ CC-BY-4.0 អ្នកអាចរៀបចំវាដោយខ្លួនឯង។ ទំព័រប្រភពបើកចំហរបស់ STT.ai រាយបញ្ជីគម្រោង repo និងទំងន់។ ក្រុមផលិតកម្មភាគច្រើនប្រើកំណែដែលរៀបចំរបស់យើងដើម្បីរំលងការទិញ GPU ការផ្លាស់ប្តូរម៉ូដែលនិងប្រតិបត្តិការ។