社群釋出基於 NVIDIA Parakeet 的 ASR 模型 Orukeet，25 語綜合 WER 降至 9.85%

據 Reddit 社群消息，基於 NVIDIA Parakeet TDT 0.6B v3 打造的 25 語語音辨識（ASR）模型 Orukeet 已在 Hugging Face 釋出。資訊指出，該模型將編碼器中一半的時間深度濾波器（temporal depthwise filters）替換為 12,288 個固定的 Gabor 核心，並使用多語言與多口音資料訓練剩餘參數。在效能方面，Orukeet 在 74 項測試中有 61 項超越原版 Parakeet；其中 LibriSpeech test-clean 的詞錯率（WER）從 1.53% 降至 1.46%，test-other 從 3.14% 降至 2.86%。在 25 種 FLEURS 語言的綜合 WER 表現上，由 11.01% 降至 9.85%，相對降低 10.6%。社群用戶亦指出，該模型在 Mac 裝置上的表現預期會優於原版。