NVIDIA-dan Parakeet-TDT-0.6B-v2: Sürətli və Dəqiq Nitq Tanıma Modeli

NVIDIA-nın təqdim etdiyi Parakeet-TDT-0.6B-v2 modeli, avtomatik nitq tanıma sahəsində yeni bir mərhələni təmsil edir. Bu model, 600 milyon parametrə malikdir və FastConformer encoder və TDT decoder arxitekturası əsasında qurulub. Modelin əsas xüsusiyyətləri arasında söz səviyyəsində zaman damğaları, avtomatik durğu işarələri və böyük-kiçik hərf ayırımı daxildir.

Parakeet-TDT-0.6B-v2, 60 dəqiqəlik audioyu cəmi bir saniyədə transkripsiya edə bilir və bu, onu bazarda ən sürətli ASR modellərindən biri edir. Model, müxtəlif səsli mühitlərdə, o cümlədən musiqi və fon səs-küyü olan şəraitdə belə yüksək dəqiqliklə işləyir.

Modelin açıq mənbə kodlu olması və CC-BY-4.0 lisenziyası ilə təqdim olunması, onu tərtibatçılar və müəssisələr üçün cəlbedici edir. Parakeet-TDT-0.6B-v2, NVIDIA-nın NeMo alət dəsti vasitəsilə asanlıqla istifadə oluna bilər və bu, onu müxtəlif tətbiqlər üçün uyğun edir.