Canary-Qwen-2.5B

مدل صوتی از انویدیا

به فارسی:کاناری کوئن ۲.۵ بیکاناری کوئن ۲.۵

این مدل چیست؟

Canary-Qwen-2.5B مدل متن‌باز (CC-BY-4.0) و فقط‌انگلیسی تبدیل گفتار به متن NVIDIA است که تابستان ۲۰۲۵ منتشر شد و رمزگذار گفتار FastConformer را با مدل زبانی Qwen3-1.7B ترکیب می‌کند؛ حدود ۲٫۵ میلیارد پارامتر دارد و متن را با نشانه‌گذاری و حروف بزرگ تحویل می‌دهد. نرخ خطای کلمه در سنجش انگلیسی Artificial Analysis حدود ۴٫۳٪ (روی Replicate) است و وزن‌هایش برای اجرا با NeMo روی Hugging Face است.

سازنده: انویدیا (NVIDIA)

کجا می‌شود از آن استفاده کرد؟

فعلاً ابزاری در هوش یاب این مدل را ارائه نمی‌دهد.

جایگاه در جدول‌های مقایسه

  • سنجش گفتار به متن Artificial AnalysisCanary Qwen 2.5B, NVIDIA
    رتبهٔ ۴۱خطای کلمه ۴٫۳٪$۰٫۷۴ برای ۱۰۰۰ دقیقه صدا
مقایسهٔ کامل مدل‌ها

مدل‌های دیگر انویدیا