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 1.1B
    رتبهٔ ۵۷خطای کلمه ۵٫۴٪$۱٫۹۱ برای ۱۰۰۰ دقیقه صدا
مقایسهٔ کامل مدل‌ها

مدل‌های دیگر انویدیا