NVIDIA NeMo, une boîte à outils d’IA conversationnelle open source, a annoncé la famille de modèles Parakeet ASR, une série de modèles de reconnaissance vocale automatique (ASR) de pointe capables de transcrire l’anglais parlé avec une précision exceptionnelle, comme l’a rapporté Webmaster Home le 8 janvier. Nvidia a annoncé quatre modèles Parakeet basés sur le décodeur RNN Transducer/Connectionist Temporal Classification et ayant 0,6 à 110 millions de paramètres. Ils sont capables de gérer un large éventail d’environnements audio et, après s’être entraînés sur seulement 64 000 heures d’ensembles de données, ils obtiennent d’excellentes performances en matière de taux d’erreur de mots (WER) sur l’ensemble de données Benchmark, surpassant les modèles précédents. Selon les développeurs, les modèles sont robustes aux segments non vocaux tels que la musique et la sourdine, et surpassent Whisper v3 d’OpenAI dans les tests de référence. Ils offrent également une intégration conviviale dans le projet avec des points de contrôle pré-entraînés.