使用场景

用于语音助手中的实时转录。

在教育应用中实现课堂讲座的文字记录。

用于会议记录和摘要生成的自动转录工具。

产品特色

准确的单词级时间戳预测：为每个单词提供详细的时间戳信息。

自动标点和大小写：增强转录文本的可读性。

对口语数字和歌词的强大性能：能够准确转录数字和歌词内容。

支持 16kHz 音频输入：兼容主流音频格式，如.wav 和.flac。

能够处理高达 24 分钟的音频：一次性转录长音频，提升效率。

支持在多种 NVIDIA GPU 上运行：优化性能，提供更快的训练和推理速度。

可用于多种应用场景：适合对话式 AI、语音助手、转录服务、字幕生成等。

使用教程

安装 NVIDIA NeMo 工具包，确保安装了最新的 PyTorch 版本。

通过以下命令下载模型：import nemo.collections.asr as nemo_asr; asr_model = nemo_asr.models.ASRModel.from_pretrained (model_name='nvidia/parakeet-tdt-0.6b-v2')

准备 16kHz 的音频文件，支持.wav 和.flac 格式。

调用模型进行转录，使用：output = asr_model.transcribe ([' 音频文件路径 '])。

如果需要时间戳，添加参数：output = asr_model.transcribe ([' 音频文件路径 '], timestamps=True)。

根据需要处理转录输出，进行文本分析或存储。