英伟达推出全新自动语音识别开源模型 1秒处理60分钟音频文件_科技动态

英伟达推出全新自动语音识别开源模型 1秒处理60分钟音频文件

创始人

2025-05-08 09:20:54

0次

【太平洋科技快讯】英伟达近日推出了全新自动语音识别(ASR)开源模型Parakeet TDT 0.6B。该模型仅需1秒即可处理长达60分钟的音频文件，其处理速度是现有主流开源ASR模型的50倍。同时，在Hugging Face的Open ASR Leaderboard上，Parakeet TDT 0.6B的字错率(WER)低至6.05%，在开源模型中表现优异，为实时转录、语音分析、呼叫中心智能化以及音频内容索引等企业级应用提供了强大支持。

Parakeet TDT 0.6B基于先进的Transformer架构，采用6亿参数的编码-解码结构，并利用高质量转录数据进行微调。此外，该模型还针对英伟达硬件进行了优化，通过量化和融合内核技术提升了推理效率，并支持TDT(Transducer Decoder Transformer)架构。

除了速度和精度，Parakeet TDT 0.6B还内置了多项独特功能。该模型还支持将歌曲内容转录为歌词，这一功能在音乐索引和媒体平台中具有广泛的应用前景。此外，该模型还支持数字和时间戳格式化，能够显著提升会议记录、法律转录和医疗记录的可读性。标点恢复功能的加入，则进一步增强了下游自然语言处理(NLP)应用的表现。

上一篇：联想发布多款超级智能体，端侧AI开启规模化落地

下一篇：第三届先进技术成果转化大会暨军民两用技术创新应用大赛扬州开幕

英伟达推出全新自动语音识别开源模型 1秒处理60分钟音频文件

相关内容

热门资讯