【太平洋科技快讯】英伟达近日推出了全新自动语音识别 ( ASR ) 开源模型 Parakeet TDT 0.6B。该模型仅需 1 秒即可处理长达 60 分钟的音频文件，其处理速度是现有主流开源 ASR 模型的 50 倍。同时，在 Hugging Face 的 Open ASR Leaderboard 上，Parakeet TDT 0.6B 的字错率 ( WER ) 低至 6.05%，在开源模型中表现优异，为实时转录、语音分析、呼叫中心智能化以及音频内容索引等企业级应用提供了强大支持。

Parakeet TDT 0.6B 基于先进的 Transformer 架构，采用 6 亿参数的编码 - 解码结构，并利用高质量转录数据进行微调。此外，该模型还针对英伟达硬件进行了优化，通过量化和融合内核技术提升了推理效率，并支持 TDT ( Transducer Decoder Transformer ) 架构。

除了速度和精度，Parakeet TDT 0.6B 还内置了多项独特功能。该模型还支持将歌曲内容转录为歌词，这一功能在音乐索引和媒体平台中具有广泛的应用前景。此外，该模型还支持数字和时间戳格式化，能够显著提升会议记录、法律转录和医疗记录的可读性。标点恢复功能的加入，则进一步增强了下游自然语言处理 ( NLP ) 应用的表现。