parakeet
PulseAugur coverage of parakeet — every cluster mentioning parakeet across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
用户在本地实验后重回 Wispr Flow 进行语音转文本
用户在使用了 FluidVoice 和 Parakeet 等本地解决方案六个月后，重新开始使用 Wispr Flow 进行语音转文本。尽管本地转录已足够，但用户发现 Wispr Flow 在纠正听错的行话和操作系统级别的集成方面更胜一筹，更能满足他们的需求。
-
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。
-
Hugging Face Transformers v5.17.0 新增 HYV4、VibeVoice、NeoMME 等模型
Hugging Face Transformers 库发布了 5.17.0 版本，引入了多个新模型和框架。新增的亮点包括 HYV4，一个拥有 100 万 token 上下文窗口的 780B 参数混合专家语言模型；以及 VibeVoice，一个基于扩散的高保真语音合成框架。本次发布还包括 NeoMME，一个多模态原生多语言基础编码器；以及 Fun-ASR-Nano，一个支持多种语言和方言的高效端到端语音识别模型。此外，Kimi Line…
-
Superwhisper 发布 S1-mini，一个用于 ASR 文本的开源文本规范化模型
Superwhisper 发布了 S1-mini，一个开源文本规范化模型，旨在清理原始的自动语音识别 (ASR) 文本。这个 0.6B 参数模型，从 Qwen/Qwen3-0.6B 微调而来，可以去除填充词、修正自我纠正、并应用正确的标点和大小写。它可以在笔记本电脑 CPU 上本地部署，适用于医疗、法律和客户支持等多个行业。
-
自托管开源语音转文本模型会产生隐藏成本
自托管开源语音转文本模型，如 Whisper Large V3、Qwen3 ASR 以及 NVIDIA 的 Parakeet 和 Canary，最初可能看起来是免费的，但其总体拥有成本却相当可观。除了模型权重之外，用户还必须考虑 GPU 基础设施的巨大开销，这通常涉及支付闲置时间费用或处理冷启动问题。此外，原始检查点缺乏关键的生产功能，例如准确的说话人分离和针对真实世界数据的可靠实体格式化，而这些功能通常包含在托管 API 提供商的服务中。
-
AssemblyAI 将其语音 AI 与 NVIDIA 模型进行对比，以用于生产环境
AssemblyAI 发布了其语音转文本模型与 NVIDIA 的 Parakeet 和 Canary 模型之间的对比评测，强调了基准测试准确性与生产环境准确性之间的差异。虽然 NVIDIA 的模型在标准基准测试中表现出色，并在 NVIDIA GPU 上提供快速推理，但 AssemblyAI 强调其专用的 Medical Mode 和上下文提示功能，以提高在医疗保健等实体密集型领域的准确性。该对比还涉及说话人分离准确性和合规性功能，例如…
-
Parakeet 对比 Whisper：本地听写模型在速度和灵活性方面的比较
对本地语音转文本模型 Parakeet 和 Whisper 的比较显示，它们在不同用例中各有优势。Parakeet 在速度方面表现出色，在 iPhone 和 Mac 等 Apple 设备上可实现近乎即时的转录，非常适合实时听写。Whisper 虽然速度较慢，但在词汇量、语言覆盖范围和处理专业术语方面提供了更大的灵活性，因此更能适应多样化的转录需求。在 Windows 上，性能差异尤为显著，Whisper.cpp 在普通笔记本电脑上可能…
-
Meetily发布，成为首个注重隐私的本地AI会议助手
Meetily是一款新的、注重隐私的AI会议助手，完全在用户本地机器上运行。它由Zackriya Solutions开发，并以MIT许可证发布，提供实时转录、说话人识别和AI驱动的摘要，而无需将任何数据发送到云端。该工具支持macOS和Windows，通过捕获系统或麦克风的音频，与Zoom、Google Meet和Microsoft Teams等平台集成。
-
开源AI会议助手Zackriya-Solutions/meetily迅速获得关注
开源AI项目Zackriya-Solutions/meetily的受欢迎程度显著飙升，在24小时内GitHub星标增加了1,640多个。这款注重隐私的AI会议助手，相比Parakeet和Whisper，其实时转录能力更快，并包含说话人分离等功能。
-
Hugging Face 和 Cerebras 通过 Gemma 4 实现实时语音 AI
Hugging Face 和 Cerebras 合作创建了使用 Gemma 4 的实时语音 AI 体验。该新系统集成了 Google DeepMind 的 Gemma 4 VLM、Cerebras 的快速推理能力以及阿里巴巴的 Qwen3TTS 进行语音到语音转换。目标是显著降低延迟，使对话式 AI 交互感觉更自然、响应更灵敏，类似于人类对话。这个开源流程已为 Reachy Mini 机器人提供支持，旨在促进下一代对话式 AI 的发展。
-
Together AI 声称拥有最快的语音转文本堆栈
Together AI 开发了一个语音转文本系统，实现了行业领先的速度。他们的 'parakeet' 模型在 Together 的基础设施上运行，每秒处理的音频时长约为 302 秒。这一性能由 Artificial Analysis 详细介绍，并由 FeelTheBeurn 进一步解释。
-
Together AI 的语音代理与屏幕交互进行代码编辑
Together AI 展示了一个能够与用户屏幕交互的语音代理，可以执行网站设计审查和代码编辑等任务。该系统集成了来自 Parakeet 和 MiniMax Speech 2.8 及 M3 等各种模型的语音转文本、语音处理和推理能力。演示展示了一个完整的循环，代理可以分析视觉元素、建议修复并直接修改 Mac 上的代码。
-
新方法提升同步语音翻译质量与评估水平
研究人员开发了用于评估和改进同步语音翻译系统的新方法，特别针对长篇内容。其中一篇论文介绍了一个实用的评估框架，该框架测量句子级别的延迟和质量指标，揭示了当前系统中显著的延迟累积。另一篇论文提出了一种检索增强方法 (RASST)，通过整合特定领域的术语提示来提高翻译质量，从而在准确性和整体翻译方面取得了显著改进。
-
NVIDIA Parakeet 语音转文本已移植到 ggml，以实现更快的 CPU/GPU 使用
一位开发者已成功将 NVIDIA 的 Parakeet 语音转文本模型移植到 ggml 框架，使其能够在没有 Python 或 PyTorch 的情况下高效地在 CPU 和 GPU 上运行。此移植实现了与 NVIDIA 的 NeMo 模型逐字节相同的输出，在 GPU 上速度提升高达 5 倍，在 CPU 上速度提升 1.86 倍，同时还减少了内存使用。量化的 GGUF 版本已可用，该项目包含一个 C-API 以实现广泛集成，甚至通过 L…
-
ASR模型在荷兰儿童语音上的评估，Whisper-medium表现最佳
一项新近发表在arXiv上的研究评估了包括Whisper、Parakeet和Wav2Vec2在内的九个最先进的自动语音识别（ASR）模型在荷兰儿童语音数据集上的表现。微调后的Whisper-medium模型展现了最佳的整体性能，在JASMIN数据集上的词错误率（WER）为5.54%，在更具挑战性的DART数据集上为70.37%。研究人员还开发了一种自动识别发音准确且置信度高的语句的方法，减少了手动验证的需求，并实现了数据中很大一部分的自动转录。