NVIDIA a lancé une nouvelle version de son outil de transcription Parakeet, qui affiche le taux d’erreur le plus faible de tous ses concurrents. En outre, l’entreprise a publié le code sur GitHub.
Parakeet TDT 0.6B est un modèle de reconnaissance automatique de la parole doté de 600 millions de paramètres. Il peut transcrire 60 minutes d’audio par seconde, a déclaré le scientifique des données de Hugging Face Vaibhav Srivastav sur X le 5 mai.
Le modèle est recommandé, sans toutefois s’y limiter, pour « l’IA conversationnelle, les assistants vocaux, les services de transcription, la génération de sous-titres et les plateformes d’analyse vocale ». La transcription avec Parakeet TDT 0.6B n’est disponible qu’en anglais.
Comment accéder au nouvel outil Parakeet et ce qu’il permet de faire
NVIDIA a publié Parakeet TDT 0.6B sous une licence Creative Commons autorisant un usage commercial, ce qui signifie que les développeurs peuvent intégrer sa fonctionnalité de transcription à leurs propres produits destinés aux entreprises ou à la vente aux particuliers. NVIDIA affirme qu’il fournit des transcriptions précises, y compris des paroles de chansons, avec une ponctuation et une capitalisation automatiques ; une attention particulière est accordée à la transcription exacte des nombres prononcés.
Classement Open ASR de Hugging Face confirme cette précision ; en fait, la version 2 de Parakeet TDT 0.6B occupe la tête du classement, devant les produits de Microsoft et d’OpenAI. Parakeet TDT 0.6B V2 surpasse également bon nombre des autres modèles de transcription de NVIDIA. Les performances exactes de chaque instance peuvent varier selon le matériel.
Parakeet TDT 0.6B peut être téléchargé depuis Hugging Face et via la boîte à outils NeMo de NVIDIA.
Il repose sur l’architecture d’encodeur Fast Conformer, un encodeur présent dans NVIDIA NeMo. Il a été entraîné sur le jeu de données Granary, un corpus d’environ 120 000 heures de données vocales en anglais comprenant des paroles transcrites par des humains et des paroles annotées automatiquement provenant de sources telles que le jeu de données YouTube-Commons.
La place de Parakeet dans le portefeuille de NVIDIA et face à ses concurrents
La publication de Parakeet TDT 0.6B en open source correspond à la position globale de NVIDIA dans le secteur de l’IA générative. NVIDIA fournit l’infrastructure et les outils qui permettent l’essor actuel de l’IA, en particulier les GPU qui constituent le matériel principal. Parakeet TDT 0.6B n’est que l’un des nombreux outils et services fondés sur l’IA qu’elle propose.
Le modèle qui obtient le deuxième meilleur score dans le classement est Phi-4-multimodal-instruct de Microsoft, capable de transcrire la parole dans 23 langues.
Lisez la analyse par eWeek de l’outil de transcription IA Notta, et consultez notre liste des meilleurs outils IA de prise de notes pour les réunions.