Der Grafikkartenhersteller Nvidia ist vor allem für seine Hardware bekannt. Dank dem KI-Boom ist das Unternehmen aber so stark gewachsen, dass es mittlerweile auch eigene Software entwickelt. So hat Nvidia ein neues auto­ma­ti­sches Spracherkennungsmodell veröffentlicht, das Audioaufnahmen von einer Stunde in nur wenigen Sekunden transkribieren kann.

Das KI-Modell mit der Bezeichnung Parakeet-TDT-0.6B-v2 wurde als Open Source unter einer freien Creative-Commons-Lizenz veröffentlicht. Eine Vorgängerversion des Modells kam bereits im Januar 2024 auf den Markt. Das neue Modell soll sich aber in puncto Leistungsfähigkeit und Fehleranfälligkeit deutlich vom Vorgänger abheben.

So erreichte das Modell auf Hugging Face Open ASR mit einer Fehlerrate von nur 6,05% einen Spitzenplatz. Die Software spielt damit in einer Liga mit Spracherkennungssystemen von OpenAI oder Elevenlab. Gleichzeitig lieferte das Modell bei dem Benchmark-Test eine enorm hohe Geschwindigkeit.

Das Modell ist seit dem 1. Mai weltweit verfügbar. Es richtet sich an For­scherinnen und Entwickler von Sprache-zu-Text-Systemen. Dafür unterstützt es Interpunktion, Grossschreibung und detaillierte Zeitstempel auf Wort­ebene. So soll das Modell ein komplettes Transkriptionspaket für eine breite Palette von Sprache-zu-Text-Anforderungen bieten.