NVIDIA: Parakeet TDT 0.6B v3

Описание

Parakeet TDT 0.6B v3 — это многоязычная модель преобразования речи в текст от NVIDIA с 600 миллионами параметров, построенная на архитектуре FastConformer-TDT. Обученная на наборе данных Granary (более 670 000 часов аудио), она поддерживает автоматическое определение языка для всех официальных языков ЕС и достигает средней частоты ошибок в словах 6,34% в таблице лидеров HuggingFace Open ASR. Возвращает транскрибированный текст с пунктуацией и временными метками сегментов.

Характеристики

API и примеры кода

from openai import OpenAI

client = OpenAI(
    base_url="https://infergate.ru/api/v1",
    api_key="sk-•••",
)

with open("speech.mp3", "rb") as f:
    resp = client.audio.transcriptions.create(
        model="nvidia/parakeet-tdt-0.6b-v3",
        file=f,
        language="ru",
    )
print(resp.text)

Поддерживаемые параметры запроса