Parakeet RNNT 1.1B
مدل صوتی از انویدیا
به فارسی:پاراکیت آر ان ان تی ۱.۱ بیپاراکیت ۱.۱ بی
این مدل چیست؟
Parakeet RNNT 1.1B مدل متنباز (CC-BY-4.0) و فقطانگلیسی تبدیل گفتار به متن NVIDIA با حدود ۱٫۱ میلیارد پارامتر و معماری FastConformer-RNNT است که اواخر ۲۰۲۳ روی Hugging Face منتشر شد. خروجی آن متن انگلیسی با حروف کوچک و بدون نشانهگذاری است. نرخ خطای کلمه در سنجش انگلیسی Artificial Analysis حدود ۵٫۴٪ (روی Replicate) است و وزنهایش برای اجرا با NeMo در دسترس 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 AnalysisParakeet RNNT 1.1Bرتبهٔ ۵۷خطای کلمه ۵٫۴٪$۱٫۹۱ برای ۱۰۰۰ دقیقه صدا