A NVIDIA NeMo, um kit de ferramentas de IA conversacional de código aberto, anunciou a família de modelos Parakeet ASR, uma série de modelos de reconhecimento automático de fala (ASR) de última geração capazes de transcrever o inglês falado com precisão excecional, conforme relatado pelo Webmaster Home em 8 de janeiro. A Nvidia anunciou quatro modelos Parakeet que são baseados no transdutor RNN/decodificador de classificação temporal conexionista e têm 0,6-110 milhões de parâmetros. Eles são capazes de lidar com uma ampla gama de ambientes de áudio e, após treinamento em apenas 64.000 horas de conjuntos de dados, alcançam excelente desempenho de taxa de erro de palavras (WER) no conjunto de dados Benchmark, superando os modelos anteriores. De acordo com os desenvolvedores, os modelos são robustos para segmentos que não são de fala, como música e mudo, e superam o Whisper v3 da OpenAI em testes de benchmark. Eles também fornecem integração amigável no projeto com pontos de controle pré-treinados.