NVIDIA Parakeet-TDT 0.6B v3
PulseAugur coverage of NVIDIA Parakeet-TDT 0.6B v3 — every cluster mentioning NVIDIA Parakeet-TDT 0.6B v3 across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
Phonon-2：发布小型、高精度开源语音识别模型
FermionResearch发布了Phonon-2，一个开源语音识别模型，它以小巧的文件尺寸实现了对英语音频的高精度识别。该模型在Open ASR Leaderboard上的平均词错误率为5.21%，优于更大的模型，并且在文件尺寸小15倍的情况下，达到了其更大、全精度教师模型的性能。Phonon-2专为高效转录而设计，能够在Apple M5 MacBook Air上大约20秒内处理一小时的音频，而在NVIDIA H100 GPU等高…
-
Orukeet ASR模型在多项基准测试中表现优于Parakeet
一款名为Orukeet的新自动语音识别（ASR）模型已发布，该模型构建于NVIDIA Parakeet TDT 0.6B v3架构之上。Orukeet集成了12,288个拟合的、冻结的Gabor核，并在多语言和多口音数据上进行了训练，支持25种语言。基准测试表明，在测试的74个数据分割中，Orukeet在61个数据分割中的表现均优于Parakeet，在LibriSpeech和FLEURS等数据集上显示出词错误率（WER）的提升。
-
Together AI 推出最快的语音转文本模型
据 Artificial Analysis 称，Together AI 目前提供两款最快的语音转文本模型。NVIDIA Parakeet-TDT 0.6B v3 模型可以在不到 10 秒的时间内转录 20 小时的音频。这一性能是通过包括 TensorRT 剖析和条件 CUDA 图在内的优化系统实现的。
-
Together AI 模型在语音转文本速度基准测试中领先
Together AI 的语音转文本模型在 Artificial Analysis 转录速度排行榜上已获得前两名。目前排名第一的是在 Together AI 上运行的 NVIDIA Parakeet TDT 0.6B V3 模型，其处理每秒计算量的音频时长为 303 秒。
-
Together AI 品牌重塑，专注于高效 AI 推理基础设施
Together AI 已推出品牌重塑，强调其作为专为 AI 原生应用构建者设计的“AI 原生云”的角色。该公司正专注于优化推理效率和成本效益，这是快速扩展的 AI 产品的一个关键因素。他们正在将自适应推测解码和量化技术等先进研究整合到其平台中，以提高 Cursor 和 Decagon 等客户的性能并降低成本。