NVIDIA开源高性能自动语音识别（ASR）模型Parakeet-TDT-0.6B-v2
Parakeet-TDT-0.6B-v2 是NVIDIA开发的一款高性能自动语音识别（ASR）模型，专为高质量英语转录设计，具备自动标点、大写和精确的逐字时间戳预测功能。该模型拥有6亿参数，结合了FastConformer编码器和Token-and-Duration Transducer（TDT）解码器，针对NVIDIA GPU（如A100、H100、T4、V100）进行了优化。它能在大约1秒内转录1小时的音频，实现实时因子（RTFx）约3386。
性能与特点
高准确率：在Hugging Face的Open ASR Leade...
点击查看剩余70%
{{collectdata}}
网友评论