Parakeet TDT 0.6B v3

مدل صوتی از انویدیا

به فارسی:پاراکیت وی ۳پاراکیت ۰.۶ بی وی ۳

این مدل چیست؟

Parakeet TDT 0.6B v3 مدل متن‌باز (CC-BY-4.0) و سبک تبدیل گفتار به متن NVIDIA با ۶۰۰ میلیون پارامتر است که اوت ۲۰۲۵ منتشر شد و ۲۵ زبان اروپایی را با تشخیص خودکار زبان، نشانه‌گذاری و زمان‌بندی کلمه‌ای رونویسی می‌کند؛ فارسی جزو زبان‌هایش نیست. روی پردازندهٔ معمولی هم سریع اجرا می‌شود و برنامه‌های آفلاین Handy، Meetily و Subtitle Edit آن را دارند. نرخ خطای کلمه در سنجش انگلیسی Artificial Analysis حدود ۴٫۵٪ (روی Together AI) است.

سازنده: انویدیا (NVIDIA)

کجا می‌شود از آن استفاده کرد؟

جایگاه در جدول‌های مقایسه

  • سنجش گفتار به متن Artificial AnalysisParakeet TDT 0.6B V3, Togetherai
    رتبهٔ ۴۲خطای کلمه ۴٫۵٪$۱٫۵ برای ۱۰۰۰ دقیقه صدا
مقایسهٔ کامل مدل‌ها

مدل‌های دیگر انویدیا