Używamy plików cookie. Pliki cookie i pamięć przeglądarki pozwalają utrzymać logowanie i zapamiętać Twoje preferencje. Za Twoją zgodą mierzymy też, jak korzystasz ze strony. W każdej chwili możesz . Zobacz naszą politykę cookie.
moondream/parakeet-ultraKorzysta z Twojego salda według powyższych cen. Nowe konta zaczynają z darmowym użyciem.
Ustawienia
Moondream: Parakeet Ultra to model zamiany mowy na tekst od Moondream. Jest to wersja poddana dodatkowemu treningowi modelu NVIDIA Parakeet TDT 0.6B v3, zachowująca tę samą architekturę, tokenizer i liczbę parametrów 0.6B co model bazowy. Prace nad dodatkowym treningiem koncentrują się na dokładności transkrypcji, obniżając współczynnik błędów słów w benchmarku Open ASR w stosunku do modelu, na którym się opiera.
Model przyjmuje dźwięk jako dane wejściowe i zwraca transkrypcję jako dane wyjściowe. Należy do kategorii transkrypcji, więc jego zadaniem jest konwertowanie mowy na tekst pisany, a nie generowanie odpowiedzi konwersacyjnych czy obsługa innych typów mediów. Dla tego modelu nie opublikowano wartości okna kontekstowego.
Ponieważ model jest zbudowany wyłącznie do transkrypcji, przypadki użycia wynikają bezpośrednio z tego faktu. Pasuje do aplikacji, które wymagają zamiany dźwięku na tekst: tworzenia napisów do nagranej mowy, produkowania transkrypcji spotkań lub wywiadów oraz wprowadzania treści mówionych do dalszych potoków przetwarzania opartych na tekście. Wszędzie tam, gdzie deweloper potrzebuje kompaktowego komponentu zamiany mowy na tekst, który dziedziczy projekt Parakeet TDT 0.6B v3, ten model jest kandydatem.
Wywołujesz go przez zgodne z OpenAI API api14, używając identyfikatora modelu "moondream/parakeet-ultra". Ponieważ interfejs jest zgodny z formatem OpenAI, możesz skierować istniejące biblioteki klienckie OpenAI na api14 i wysyłać dźwięk do transkrypcji. Model nie udostępnia żadnych obsługiwanych parametrów żądania, więc żądania opierają się na wartościach domyślnych, a nie na konfigurowalnych opcjach, takich jak temperature czy top_p.
Jeśli Twoje zadanie obejmuje generowanie tekstu, rozumowanie lub wprowadzanie obrazów, ten model nie jest odpowiedni, ponieważ przyjmuje wyłącznie dźwięk i tworzy wyłącznie transkrypcje. Warto również zauważyć, że nie ma regulowanych parametrów, więc jeśli potrzebujesz precyzyjnej kontroli nad zachowaniem dekodowania, lepiej sprawdzi się model, który udostępnia takie parametry. Do prostego zadania zamiany mowy na tekst w ramach zgodnego z OpenAI przepływu pracy jest to skupiona opcja.
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);
Ta społeczność nie ma jeszcze wątków. Załóż pierwszy wątek o Moondream: Parakeet Ultra.