Transkripto me NVIDIA Parakeet
3.0%
WER
1
Gjuhë
55.0x
Shpejtësia
CC-BY-4.0
Liçenca
Për NVIDIA Parakeet
NVIDIA Parakeet TDT 1.1B është një model ASR i nivelit të lartë në gjuhën angleze duke përdorur arkitekturën FastConformer me Token-and-Duration Transducer (TDT). Ai arrin saktësi pothuajse njerëzore në standartet angleze dhe është shumë i optimizuar për GPU-të NVIDIA.
Gjuhët e mbështetura NVIDIA Parakeet
Informacione mbi modelin
- ProviderNVIDIA
- Arkitektura-
- LiçencaCC-BY-4.0
- PërditësoMar 2026
Pyetje të shpeshta
NVIDIA Parakeet është një model i fjalës në tekst nga NVIDIA. STT.ai mban NVIDIA Parakeet në infrastrukturën tonë të GPU kështu që mund ta përdorni pa furnizuar hardware-in tuaj — ngarkoni audion ose videon dhe zgjidhni NVIDIA Parakeet nga zgjedhësi i modelit.
Në standartet e vlerësimit, NVIDIA Parakeet arrin rreth 3.0% të normave të gabimeve të fjalëve. Saktësia në botën reale varet nga cilësia e audios, theksi dhe gjuha; për regjistrime me zhurmë ose theks, prit disa përqindje më të larta WER.
NVIDIA Parakeet punon në nivelin e lirë të STT.ai - çdo vizitor merr 600 minuta për të filluar pa kosto. Planet e paguar shtojnë kufij më të gjatë për file, transkripta private dhe renditje përparësie.
NVIDIA Parakeet është lëshuar nën CC-BY-4.0, një licencë e hapur e hapur. Mund të vetë-hostoni NVIDIA Parakeet në hardware-in tuaj ose të përdorni versionin tonë të pritur — të dy janë komercialisht të përdorshëm.
NVIDIA Parakeet suporton 1 gjuhë. Zbulimi automatik zgjedh gjuhën e duhur për shumicën e audiove; mund ta specifikoni gjithashtu manualisht për një rritje të vogël të saktësisë.
NVIDIA Parakeet përpunon audion në rreth 55.0x në kohë reale në GPU-të tona. Një file audio 1 orë përfundon në më pak se 1 minuta; file më të gjatë vënë në radhë dhe njoftohen me email kur përfundojnë.
NVIDIA Parakeet ka parametrat 1.1B. Modelet më të mëdha priren të jenë më të sakta por më të ngadalshme; STT.ai hosts NVIDIA Parakeet në GPU kështu që numërimi i parametrave nuk ndikon në performancën e anës së klientit.
NVIDIA Parakeet pranon çdo format që suporton STT.ai — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, dhe të tjerë. Shfaq si TXT, SRT, VTT, DOCX, JSON, ose PDF.
Po. Diarization e folësit punon së bashku me NVIDIA Parakeet për çdo transkriptim - çdo folës është i etiketuar dhe mund t'i riemërtoni ata në editor më pas.
Po. NVIDIA Parakeet punon në mjedisin tonë të menazhuar — audiot përpunohen dhe eleminohen në mënyrë të prezgjedhur dhe nuk përdoren kurrë për trainim pa opsion të hapur. Planet Pro shtojnë kriptimin në anën e klientit për transkriptat në pushim.
Përdor instrumentin compare-stt për të ekzekutuar NVIDIA Parakeet kundër çdo modeli tjetër të suportuar në të njëjtin audio — do të shihni WER, numrin e segmenteve, etiketat e folësve dhe rezultatet e besimit krah-për-krah. Krahasimi NVIDIA Parakeet vs Whisper Large V3 është më i zakonshmi.
Po. Specifiko "nvidia-parakeet" si parametri i modelit në /v1/transcribe endpoint. Python dhe Node.js SDK përfshijnë shembuj NVIDIA Parakeet. Niveli i API pa pagesë përfshin 100 minuta në muaj.
Po. Sepse NVIDIA Parakeet është i licencuar CC-BY-4.0, mund ta hostosh vetë. Faqja e burimit të hapur të STT.ai-ës përmban listën e projektit dhe peshat. Shumica e ekipeve të prodhimit përdorin versionin tonë të pritur për të kaluar GPU-në, modelin e shkëmbimit dhe operacionet.