NVIDIA hat eine neue Version seines Transkriptionstools Parakeet veröffentlicht und wirbt mit der niedrigsten Fehlerquote aller Wettbewerber. Außerdem hat das Unternehmen den Code auf GitHub öffentlich zugänglich gemacht.
Parakeet TDT 0.6B ist ein automatisches Spracherkennungsmodell mit 600 Millionen Parametern. Es kann 60 Minuten Audiodaten pro Sekunde transkribieren, sagte der Datenwissenschaftler von Hugging Face, Vaibhav Srivastav, am 5. Mai auf X.
Das Modell wird unter anderem für „konversationelle KI, Sprachassistenten, Transkriptionsdienste, die Erstellung von Untertiteln und Plattformen für Sprachanalysen“ empfohlen. Die Transkription mit Parakeet TDT 0.6B ist nur auf Englisch verfügbar.
So greift man auf das neue Parakeet-Tool zu und das kann es
NVIDIA hat Parakeet TDT 0.6B unter einer kommerziell permissiven Creative-Commons-Lizenz veröffentlicht. Das bedeutet, dass Entwickler die Transkription für die Nutzung in Unternehmen oder den Einzelverkauf in ihre eigenen Produkte integrieren können. NVIDIA zufolge liefert das Modell präzise Transkriptionen, darunter auch Liedtexte, mit automatischer Zeichensetzung und Großschreibung. Besonderes Augenmerk wird auf die korrekte Transkription gesprochener Zahlen gelegt.
Die Open-ASR-Rangliste von Hugging Face bestätigt diese Genauigkeit; tatsächlich steht Version 2 von Parakeet TDT 0.6B an der Spitze der Rangliste, noch vor Produkten von Microsoft und OpenAI. Parakeet TDT 0.6B V2 übertrifft außerdem viele andere Transkriptionsmodelle von NVIDIA. Die genaue Leistung kann je nach Hardware variieren.
Parakeet TDT 0.6B ist über Hugging Face und das NeMo-Toolkit von NVIDIA erhältlich.
Es basiert auf der Encoder-Architektur Fast Conformer, einem Encoder aus NVIDIA NeMo. Trainiert wurde es mit dem Datensatz Granary, einer Sammlung von etwa 120.000 Stunden englischer Sprachdaten, darunter von Menschen transkribierte und automatisch gekennzeichnete Sprachaufnahmen aus Quellen wie dem Datensatz YouTube-Commons.
Parakeets Platz im NVIDIA-Portfolio und seine Wettbewerber
Die Veröffentlichung von Parakeet TDT 0.6B als Open Source entspricht NVIDIAs grundsätzlicher Position in der Branche für generative KI. NVIDIA stellt die Infrastruktur und Tools bereit, die die heutige Verbreitung von KI ermöglichen, insbesondere die GPUs, die als wichtigste Hardware dienen. Parakeet TDT 0.6B ist nur eines der zahlreichen KI-basierten Tools und Dienste des Unternehmens.
Das nächstplatzierte Modell in der Rangliste ist Microsofts Phi-4-multimodal-instruct, das Sprache in 23 Sprachen transkribieren kann.
Lesen Sie die Rezension des KI-Transkriptionstools Notta von eWeek und sehen Sie sich unsere Liste der besten KI-Tools für Besprechungsnotizen.