Parakeet-TDT 0.6B V2 由 NVIDIA 推出，旨在改变我们处理语音转文本的方式。

该高性能模型基于 FastConformer 架构和 TDT 解码器，能够处理长达 24 分钟的英语长音频，且准确率令人印象深刻。它保留标点符号和大小写，并提供逐词时间戳，非常适合转录对话、采访、会议，甚至嘈杂的录音。

我们刚刚发布了一份逐步指南，教你如何使用 NodeShift 在本地或 GPU 虚拟机上运行此模型。

在本指南中，你将学习如何：
- 部署 NodeShift GPU 虚拟机（我们使用的是 A6000）
- 设置 Python、Conda 并安装 NVIDIA NeMo Toolkit
- 用几行代码转录 .wav 音频文件
- 使用 Gradio 启动基于浏览器的转录界面
- 通过 SSH 从本地系统安全访问

无论你是在构建语音接口、转录流程，还是仅仅在探索强大的 STT 模型——这个模型都值得一试。

阅读全文指南：https://t.co/Cqn4Q6Q55d

#NVIDIA #AImodel