ParakeetTDT0.6BV2,语音识别ASR,极速转录, 高精度英文转录,标点支持(附整合包)

分享一个英伟达开源的高精度AI语音转文字神器——Parakeet-tdt-0.6b-v2！这款600亿参数的语音识别模型能实时将英文音频转化为带标点、大小写的文本，自动预测逐词时间戳，甚至能精准转录数字、歌词等复杂内容。

项目界面

我试了下，速度确实非常快，1分44秒的音频，转录花费的时间不超过5秒(5090显卡)。

使用方法

上传音频，音频格式建议MP3或者WAV。其他格式没测试过，不建议使用。

然后点击转录上传的文件。

生成时间轴和转录后的文本内容。

可以直接下载CSV格式的

也支持SRT下载

在界面上框选对应的文本片段还可以试听。

比较赞的是可以该项目支持商用，支持超长音频(3小时左右)。但是目前只支持英文转录，其他语言暂不支持。

配置需求

WIN

WindowsN卡需6G显存

如果整合包运行报错，需要安装cuda12.8

https://developer.nvidia.com/cuda-12-8-0-download-archive

MAC

暂不支持

整合包获取

👇🏻👇🏻👇🏻下方下方下方👇🏻👇🏻👇🏻

夸夸夸盘：
https://pan.quark.cn/s/03a53cdfe21f

度度度盘:
https://pan.baidu.com/s/1ixf3Y7eXS8skaBHlqk82CQ?pwd=rrts

制作不易，如果本文对您有帮助，还请点个免费的赞或在看！感谢您的阅读！