チュートリアル

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
出典
Modal 官方工程博客(RSS)
カテゴリ
チュートリアル
AI スコア
69
原文を読む 情報源で全文を読む
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。

原文記事 · AIHOT 記事

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/

すべて見る →