이 튜토리얼에서는 단일 RTX 4090 컴퓨팅 리소스를 사용하며, 모델은 영어 음성 인식만 지원합니다.
parakeet-tdt-0.6b-v2는 NVIDIA NeMo가 2025년 5월 1일에 출시한 6억 개의 매개변수를 가진 고성능 자동 음성 인식(ASR) 모델입니다. 이는 Parakeet 시리즈의 최신 버전입니다. 이 모델은 FastConformer 인코더 아키텍처와 TDT 디코더를 기반으로 하며, 최대 24분 분량의 영어 오디오 클립을 한 번에 효율적으로 필사할 수 있습니다. 이 모델은 고정밀, 저지연 영어 음성 변환 작업에 중점을 두고 있으며 실시간 영어 음성-텍스트 변환 시나리오(예: 고객 서비스 대화, 회의 기록, 음성 지원 등)에 적합합니다. 관련 논문 결과는 다음과 같습니다.효율적인 음성 인식을 위한 선형 확장 가능한 주의력을 갖춘 빠른 컨포머".
2. 작업 단계
1. 컨테이너를 시작하세요
"잘못된 게이트웨이"가 표시되면 모델이 초기화 중임을 의미합니다. 모델이 크기 때문에 1~2분 정도 기다리신 후 페이지를 새로고침해 주세요.
2. 데모 사용
Safari 브라우저를 사용하는 경우 오디오가 직접 재생되지 않을 수 있습니다.
이 튜토리얼에서는 음성 파일 업로드를 지원할 뿐만 아니라 음성 입력도 지원합니다.
인식 결과는 CSV 파일로 저장할 수 있습니다.
3. 토론
🖌️ 고품질 프로젝트를 발견하시면, 백그라운드에 메시지를 남겨 추천해주세요! 또한, 튜토리얼 교환 그룹도 만들었습니다. 친구들의 QR코드 스캔과 [SD 튜토리얼] 댓글을 통해 그룹에 가입하여 다양한 기술 이슈에 대해 논의하고 신청 결과를 공유해 주시기 바랍니다.↓
