Modal実測:オープンソースASRモデルでバッチ音声転写を100倍高速化、コスト100分の1に
原題:Transcribe speech 100x faster and 100x cheaper with open models
AI 要約
Modalのエンジニアリングチームはプラットフォーム上にNVIDIA parakeet-tdt-0.6b-v2とcanary-1b-flashのオープンソースASRモデルを展開し、約1週間(7×24時間)のESBベンチマーク音声をバッチ転写した結果、比較したプロプライエタリAPIより112倍高速または200倍安価で、エラー率もやや低く、1分以内に1ドルで1週間分の音声を転写できることを実現した。
要点
- Modalのエンジニアリングチームはプラットフォーム上にNVIDIA parakeet-tdt-0.
- 6b-v2とcanary-1b-flashのオープンソースASRモデルを展開し、約1週間(7×24時間)のESBベンチマーク音声をバッチ転写した結果
- 比較したプロプライエタリAPIより112倍高速または200倍安価で、エラー率もやや低く、1分以内に1ドルで1週間分の音声を転写できることを実現した
概要
- 公開日時
- 更新日時
- カテゴリ
- チュートリアル
- AI スコア
- 69
おすすめの理由
原文给出可复现的批量转录优化方法与端到端实测数据,读者可以据此在自己的语音转写服务中权衡成本与吞吐。
関連エンティティ
出典と著作権
本記事は AIHOT の公開 API が提供する厳選タイトルと AI 要約に基づいており、出典の明記と元記事へのリンクを行っています。原文の著作権は元の媒体と著者に帰属し、当サイトは全文を転載しません。
引用方法
本記事を引用する際は、タイトル・日付・パーマリンクを保持し、出典をOrange Newsと明記してください。
Orange News:Modal実測:オープンソースASRモデルでバッチ音声転写を100倍高速化、コスト100分の1に。2025年7月23日。https://new.nat6.net/ja/news/cmtyq5ikh0018roupi0gq8ua9/