Nvidia и Sunо.ai представили модели Parakeet-TDT для конвертации аудио в текст

Nvidia и Sunо.ai представили модели Parakeet-TDT для конвертации аудио в текст. Об этом пишет Александр Горный в канале GPT/ChatGPT/AI Central в Телеграм. 

Платформа показывает лучшие результаты, чем OpenAI’s Whisper. Модель поддерживает только английский язык. Она имеет открытый исходный код и доступна для скачивания тут.

Как описано на сайте nvidia, ИИ для обработки речи даёт людям возможность общаться с устройствами, машинами и компьютерами, чтобы упростить и улучшить свою жизнь. Являясь подмножеством разговорного ИИ, он включает автоматическое распознавание речи (ASR) и преобразование текста в речь (TTS). Решаются задачи преобразования человеческого голоса в текст и генерации похожего на человеческий голоса на основе написанных слов, делая реальными такие мощные технологии, как виртуальные помощники, расшифровка аудио в реальном времени, голосовой поиск и системы ответов на вопросы.

Демонстрационное использование возможно тут.