Modal ทดสอบจริง: ใช้โมเดล ASR โอเพนซอร์สเร่งการถอดเสียงแบบกลุ่มเร็วขึ้น 100 เท่า ต้นทุนลด 100 เท่า
หัวข้อต้นฉบับ:Transcribe speech 100x faster and 100x cheaper with open models
สรุปโดย AI
ทีมวิศวกร Modal ปรับใช้โมเดล ASR โอเพนซอร์ส NVIDIA parakeet-tdt-0.6b-v2 และ canary-1b-flash บนแพลตฟอร์ม ถอดเสียงแบบกลุ่มจากเสียง基準 ESB ประมาณหนึ่งสัปดาห์ (7×24 ชั่วโมง) ผลลัพธ์เร็วขึ้น 112 เท่าหรือถูกกว่า 200 เท่าเมื่อเทียบกับ API เชิงพาณิชย์ที่ทดสอบ และอัตราความผิดพลาดต่ำกว่าเล็กน้อย สามารถถอดเสียงหนึ่งสัปดาห์ได้ในหนึ่งนาทีด้วยต้นทุน 1 ดอลลาร์
สรุปสั้น
- เวลาเผยแพร่
- เวลาอัปเดต
- แหล่งที่มา
- Modal 官方工程博客(RSS)
- หมวดหมู่
- บทแนะนำและเทคนิค
- คะแนน AI
- 69
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。
เอนทิตีที่เกี่ยวข้อง
แหล่งที่มาและลิขสิทธิ์
บทความนี้เรียบเรียงจากพาดหัวคัดสรรและบทสรุป AI จาก API สาธารณะของ AIHOT โดยระบุแหล่งที่มาและลิงก์กลับแล้ว ลิขสิทธิ์ต้นฉบับเป็นของสื่อและผู้เขียนต้นทาง เว็บไซต์นี้ไม่ได้สะท้อนเนื้อหาฉบับเต็ม
วิธีอ้างอิง
เมื่ออ้างอิงบทความนี้ โปรดระบุชื่อเรื่อง วันที่ และลิงก์ถาวร พร้อมระบุแหล่งที่มาเป็น Orange News
Orange News: Modal ทดสอบจริง: ใช้โมเดล ASR โอเพนซอร์สเร่งการถอดเสียงแบบกลุ่มเร็วขึ้น 100 เท่า ต้นทุนลด 100 เท่า 23 กรกฎาคม 2025 https://new.nat6.net/th/news/cmtyq5ikh0018roupi0gq8ua9/