NVIDIA NeMo, un kit de herramientas de IA conversacional de código abierto, anunció la familia de modelos Parakeet ASR, una serie de modelos de reconocimiento automático de voz (ASR) de última generación capaces de transcribir el inglés hablado con una precisión excepcional, según informó Webmaster Home el 8 de enero. Nvidia anunció cuatro modelos de Parakeet que se basan en el decodificador RNN Transducer/Connectionist Temporal Classification y tienen entre 0,6 y 110 millones de parámetros. Son capaces de manejar una amplia gama de entornos de audio y, después de entrenar con solo 64.000 horas de conjuntos de datos, logran un excelente rendimiento de la tasa de error de palabras (WER) en el conjunto de datos de Benchmark, superando a los modelos anteriores. Según los desarrolladores, los modelos son robustos para segmentos que no son de voz, como la música y el silencio, y superan al Whisper v3 de OpenAI en las pruebas de referencia. También proporcionan una integración fácil de usar en el proyecto con puntos de control previamente entrenados.