Речь в текст
NVIDIA Parakeet / Canary / Nemotron Speech
Быстрые модели распознавания речи от NVIDIA, в том числе потоковые для работы в реальном времени. Parakeet TDT v3 и Nemotron 3.5 ASR понимают русский.
- Разработчик
- NVIDIA, США
- Первый выпуск
- дек 2023
- Последний выпуск
- май 2026
- Размеры
- 110M – 2.5B
- Лицензия
- Коммерция с условиямиСмешанная: Parakeet и Canary в основном CC-BY-4.0 (Canary-1B первой версии некоммерческая), Parakeet Unified и Nemotron Speech Streaming под NVIDIA Open Model License, Nemotron 3.5 ASR под OpenMDW
Какие задачи решает
- Расшифровка звонков и совещаний
- Субтитры к видео
- Голосовой ввод в реальном времени
- Разметка аудиоархивов
Где применяется
Колл-центрыМедиаГолосовые ботыВнутренние сервисы компаний
Требования к железу
НоутбукНоутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии
подходит1 видеокартаОдна видеокарта на 16–80 ГБ — средние версии
подходитКластерСервер с несколькими видеокартами — флагманские версии
нет версийВерсии
- Nemotron 3.5 ASR Streaming 0.6B
- Parakeet Unified 0.6B
- Nemotron Speech Streaming 0.6B
- Parakeet TDT 0.6B v3 и Canary-1B v2
- Canary-Qwen-2.5B
- Parakeet TDT 0.6B v2
- Canary-1B
- Parakeet CTC 0.6B
Как внедряю у заказчика
- ПодборВыбираю размер модели под задачу и ваше железо, проверяю на ваших примерах.
- УстановкаРазворачиваю на вашем сервере или в закрытом контуре, отдаю API.
- ДообучениеДообучаю на ваших данных (LoRA) или подключаю базу знаний — что дешевле для задачи.
- ВстраиваниеПодключаю к CRM, 1С, боту, сайту или рабочему чату, настраиваю мониторинг.
Похожие модели
Речь в текстWhisperOpenAI · СШАМожно в коммерцию
Распознавание речи на 99 языках, включая русский. Стандарт де-факто для расшифровки звонков и встреч.
ПодробнееРечь в текстGigaAMСбер · РоссияМожно в коммерциюМодели Сбера для распознавания русской речи, одни из самых точных для русского языка. Есть распознавание эмоций, версия v3 с пунктуацией и многоязычная версия (русский, казахский, киргизский, узбекский).
ПодробнееРечь в текстQwen3-ASRAlibaba (Qwen) · КитайМожно в коммерциюМодели распознавания речи от команды Qwen на 50+ языков, включая русский. Хорошо справляются с шумом, пением и акцентами.
Подробнее