Usamos cookies. Las cookies y el almacenamiento del navegador mantienen tu sesión iniciada y recuerdan tus preferencias. Con tu permiso, también medimos cómo se usa el sitio. Puedes en cualquier momento. Consulta nuestra política de cookies.
moondream/parakeet-ultraSe ejecuta con tu saldo a los precios indicados arriba. Las cuentas nuevas empiezan con uso gratuito.
Transcripción
Los resultados aparecerán aquí.
Configuración
Moondream: Parakeet Ultra es un modelo de voz a texto de Moondream. Es una versión post-entrenada del Parakeet TDT 0.6B v3 de NVIDIA, manteniendo la misma arquitectura, tokenizador y recuento de parámetros de 0.6B que el modelo base. El trabajo de post-entrenamiento se centra en la precisión de transcripción, reduciendo la tasa de error de palabras en el benchmark Open ASR en relación con el modelo en el que se basa.
El modelo toma audio como entrada y devuelve una transcripción como salida. Se sitúa en la categoría de transcripción, por lo que su función es convertir audio hablado en texto escrito en lugar de generar respuestas conversacionales o manejar otros tipos de medios. No se publica ninguna cifra de ventana de contexto para este modelo.
Debido a que el modelo está construido puramente para transcripción, los casos de uso se derivan directamente de eso. Encaja en aplicaciones que necesitan convertir audio en texto: subtitular voz grabada, producir transcripciones de reuniones o entrevistas, y alimentar contenido hablado hacia pipelines basados en texto posteriores. En cualquier lugar donde un desarrollador necesite un componente compacto de voz a texto que herede el diseño del Parakeet TDT 0.6B v3, este modelo es un candidato.
Lo llamas a través de la API compatible con OpenAI de api14 usando el id de modelo "moondream/parakeet-ultra". Debido a que la interfaz sigue el formato de OpenAI, puedes apuntar bibliotecas cliente de OpenAI existentes hacia api14 y enviar audio para transcripción. El modelo no expone ningún parámetro de solicitud soportado, por lo que las solicitudes dependen de los valores predeterminados en lugar de opciones ajustables como temperature o top_p.
Si tu tarea implica generación de texto, razonamiento o entrada de imágenes, este modelo no es el adecuado, ya que solo acepta audio y solo produce transcripciones. También vale la pena señalar que no tiene parámetros ajustables, así que si necesitas un control fino sobre el comportamiento de decodificación, un modelo que exponga esos parámetros te convendría mejor. Para voz a texto directo dentro de un flujo de trabajo compatible con OpenAI, es una opción enfocada.
import fs from "node:fs";
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.audio.transcriptions.create({
model: "moondream/parakeet-ultra",
file: fs.createReadStream("audio.mp3"),
});
console.log(result.text);
Esta comunidad aún no tiene temas. Abre el primero sobre Moondream: Parakeet Ultra.