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, NVIDIAرتبهٔ ۴۱خطای کلمه ۴٫۳٪$۰٫۷۴ برای ۱۰۰۰ دقیقه صدا