NVIDIA Parakeet
STT.ai nie uruchomia tego modelu – ta strona jest informacji referencyjnych o nim.
Transcribe z modelami, które prowadzimy →
3.0%
WER
1
Języki
55.0x
Prędkość
CC-BY-4.0
Licencja
O tematie NVIDIA Parakeet
NVIDIA Parakeet TDT 1.1B jest najnowocześniejszym angielskim modelem ASR z wykorzystaniem architektury FastConformer z Token-and-Duration Transducer (TDT). Osiąga ścisłość bliska ludzkości na standardowych angielskich poziomach odniesienia i jest wysoce zoptymalizowany dla NVIDIA GPUs.
Języki wspierane przez NVIDIA Parakeet
Informacje o wzorze
- DostawcaNVIDIA
- Architektura-
- LicencjaCC-BY-4.0
- UaktualnioneMar 2026
Często zadawane pytania
NVIDIA Parakeet to model mowy do tekstu przez NVIDIA. STT.ai nie działa obecnie NVIDIA Parakeet – ta strona jest informacji referencyjnej o modelu. W przypadku transkrypcji na STT.ai, model picker oferuje Whisper rodzinę (Turbo, Duże V3, Średni, Small).
W odniesieniu do standardowych poziomów odniesienia NVIDIA Parakeet osiąga około 3.0% Błędów Word. Dokładność rzeczywistego świata zależy od jakości dźwięku, akcentu i języka; w przypadku głośnych lub akcentowanych nagrań, oczekuje się kilku punktów procentowych wyższych WER.
NVIDIA Parakeet nie jest dostępny na STT.ai. Jego własne warunki licencyjne regulują go samodzielnie. STT.ai bezpłatny poziom obejmuje modele Whisper, które uruchomimy – 600 minut do rozpoczęcia, następnie miesięczny bezpłatny top-up.
NVIDIA Parakeet jest wydane pod CC-BY-4.0, licencja otwartego źródła. Można samodzielnie gospodarować NVIDIA Parakeet na własnym sprzętie lub korzystać z naszej hospodowanej wersji – obie są komercyjne użyteczne.
NVIDIA Parakeet obsługuje 1 języków. Automatyczne wykrywanie wybiera właściwy język dla większości audio; można również wskazywać go ręcznie dla małego podnoszenia dokładności.
NVIDIA Parakeet procesów audio w około 55.0x w czasie rzeczywistym na naszych GPU. 1-godzinny plik audio zakończy się w mniej niż 8802 minut; dłuższa kolejka plików i powiadomić za pośrednictwem e-maila.
NVIDIA Parakeet ma 8802 parametrów. Większe modele są zazwyczaj bardziej dokładne, ale wolniej; STT.ai hostów NVIDIA Parakeet w GPU, tak aby liczba parametrów nie wpływała na wydajność klienta.
NVIDIA Parakeet akceptuje każdy format obsługi STT.ai — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI i inne. Wynik jako TXT, SRT, VTT, DOCX, JSON lub PDF.
Tak. Dializacja głośnika biegnie obok NVIDIA Parakeet dla każdej transkrypcji — każdy głośnik jest oznaczony i można je później zmienić w edytorze.
Tak. NVIDIA Parakeet uruchamia w naszym zarządzanym środowisku – audio jest przetwarzany i usuwany domyślnie i nigdy nie używany do szkolenia bez wyraźnego opt-in. Pro plany dodają klient-side szyfrowanie do transkrypcji w pokoju.
Użyj narzędzia porównania-stt, aby uruchomić NVIDIA Parakeet w stosunku do jakiegokolwiek innego modelu obsługiwanego w tym samym audio – zobaczysz WER, liczbę segmentów, etykiety głośnika i wyniki ufności po stronie. Porównanie NVIDIA Parakeet ws Whisper Large V3 jest najczęściej uruchomione.
Tak. Określić "nvidia-parakeet" jako parametr modelu w końcowym punktie końcowym /v1/transcribe. Python i Node.js SDKs zawierają NVIDIA Parakeet przykładów. Darmowy poziom API obejmuje 100 minut/miesiąc.
Tak. Ponieważ NVIDIA Parakeet jest 8802-licenzowany, możesz go sam-host. STT.ai stron otwartego źródła wykazuje repo i wagi projektu. Większość zespołów produkcyjnych korzysta z naszej hosted wersji, aby pominąć zamówienia GPU, modele swaps i ops.