Nvidia、音声認識AI「Parakeet-TDT-v2」をオープンソース公開
Nvidiaは音声認識モデル「Parakeet-TDT-0.6B-v2」をHugging Faceでオープンソース公開した。6億パラメータながらGPU上で1時間の音声をわずか1秒で文字起こしでき、オープンASRリーダーボードで首位を獲得。商用利用可能なCC-BY-4.0ライセンスで提供される。
Nvidiaは音声認識モデル「Parakeet-TDT-0.6B-v2」をHugging Faceでオープンソース公開した。6億パラメータながらGPU上で1時間の音声をわずか1秒で文字起こしでき、オープンASRリーダーボードで首位を獲得。商用利用可能なCC-BY-4.0ライセンスで提供される。