Parakeet TDT 0.6B 是英伟达推出的开源自动（ASR）模型。采用FastConformer编码器和TDT解码器架构，通过预测文本标记及其持续时间加速推理，减少计算开销。模型在1秒内可转录60分钟音频，实时因子（RTFx）达3386，平均单词错误率（WER）仅为6.05%，在LibriSpeech-clean数据集上WER低至1.69%，位居Hugging Face Open ASR Leaderboard榜首。

Parakeet TDT 0.6B – 英伟达开源的自动语音识别模型 第1张
（图片来源网络，侵删）
Parakeet TDT 0.6B – 英伟达开源的自动语音识别模型 第2张
（图片来源网络，侵删）