NVIDIA Parakeet
STT.ai ora ngoperasikake model iki — kaca iki minangka referensi informasi babagan iki.
Transkrip karo model sing kita lakoni →
3.0%
WER
1
Basa
55.0x
Kecepatan
CC-BY-4.0
Lisensi
_Tentang NVIDIA Parakeet
NVIDIA Parakeet TDT 1.1B nyaéta model ASR Inggris anu canggih anu nganggo arsitektur FastConformer sareng Transducer Token-and-Duration (TDT). Éta ngahontal akurasi anu caket sareng manusa dina benchmark Inggris standar sareng dioptimalkeun pikeun NVIDIA GPU.
Basa sing didukung NVIDIA Parakeet
Informasi Model
- PanyedhiyaNVIDIA
- Arsitektur-
- LisensiCC-BY-4.0
- DiperbaruiMar 2026
Takon-takon sing asring diajukake
NVIDIA Parakeet nyaéta model basa-ka-teks ku NVIDIA. STT.ai ayeuna henteu ngajalankeun NVIDIA Parakeet — halaman ieu mangrupa inpormasi referensi ngeunaan model. Pikeun transkripsi dina STT.ai, pamilihan model nawiskeun kulawarga Whisper (Turbo, Large V3, Medium, Small).
Dina benchmarks standar, NVIDIA Parakeet ngahontal kira-kira 3.0% Word Error Rate. Akurasi dunya nyata gumantung kana kualitas audio, accent, jeung basa; pikeun rekaman noisy atawa accented, ngarepkeun sababaraha poin persentase luhur WER.
NVIDIA Parakeet teu aya dina STT.ai. Sarat lisénsina sorangan ngawatesan ngajalankeunana sorangan. Lapisan bébas STT.ai ngawengku model Whisper anu urang jalankeun - 600 menit pikeun ngamimitian, teras bulanan gratis.
NVIDIA Parakeet dikaluarkeun di handapeun CC-BY-4.0, lisénsi sumber terbuka anu permisif. Anjeun tiasa ngahost NVIDIA Parakeet dina perkakas anjeun atanapi nganggo vérsi anu dihost urang - kaduana tiasa dianggo sacara komersial.
NVIDIA Parakeet ngadukung 1 basa. Auto-deteksi milih basa anu bener pikeun kabéh audio; anjeun ogé bisa nyatet éta sacara manual pikeun ngaronjatkeun akurasi.
NVIDIA Parakeet ngaproses audio dina kira-kira 55.0x real-time dina GPU urang. A file audio 1 jam réngsé dina handapeun 1 menit; file leuwih panjang diulit jeung ngalaporkeun ku surél nalika réngsé.
NVIDIA Parakeet mibanda parameter 1.1B. Model anu leuwih gedé leuwih akurat tapi leuwih lambat; STT.ai mibanda NVIDIA Parakeet dina GPU supados jumlah parameter teu mangaruhan kinerja klien.
NVIDIA Parakeet nampa saben format STT.ai dukungan - MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, lan liya-liyane. Output minangka TXT, SRT, VTT, DOCX, JSON, utawa PDF.
Ya. Diarization speaker jalan bareng jeung NVIDIA Parakeet pikeun unggal transkripsi — unggal speaker dilabelkeun sarta anjeun bisa ngaganti ngaranna dina penyunting saterusna.
Ya. NVIDIA Parakeet dijalankeun dina lingkungan anu diurus urang — audio diolah sareng dihapus sacara piawai sareng henteu pernah dianggo pikeun latihan tanpa opt-in eksplisit. Rencana Pro nambahan enkripsi sisi klien pikeun transkripsi nalika istirahat.
Gunakeun alat compare-stt pikeun ngajalankeun NVIDIA Parakeet ngalawan model séjén anu didukung dina audio anu sami — anjeun bakal ningali WER, jumlah segmen, label panyatur, sarta skor confidence dibarengan-dibarengan. Perbandingan NVIDIA Parakeet vs Whisper Large V3 nyaéta anu paling umum dijalankeun.
Ya. Nyatakeun "nvidia-parakeet" minangka parameter model dina titik akhir /v1/transcribe. Python sareng Node.js SDK kalebet conto NVIDIA Parakeet. Tingkat API gratis kalebet 100 menit / bulan.
Ya. Kusabab NVIDIA Parakeet dilisensikeun ku CC-BY-4.0, anjeun tiasa ngahost éta nyalira. Halaman sumber terbuka STT.ai nyarankeun repo sareng beurat proyek. Kabéh tim produksi nganggo vérsi anu dihost pikeun ngaleupaskeun GPU procurement, swaps model, sareng ops.