IA no seu PC · Voz
Parakeet TDT 0.6B v3
O Parakeet TDT 0.6B v3 é um modelo de transcrição de voz da NVIDIA, muito rápido, que funciona em 25 idiomas europeus, incluindo o português. É pequeno e roda em PC com 8 GB de RAM. Tem licença CC-BY-4.0, que permite uso comercial com crédito à NVIDIA.
memória necessária
roda em PC com 8 GB de RAM
O que é
O Parakeet TDT 0.6B v3 é um modelo de reconhecimento automático de fala (automatic speech recognition), ou seja, ele transforma áudio em texto. Tem 0.6B, cerca de 600 milhões de parâmetros, o que é pequeno para os padrões atuais. Segundo a página oficial, ele cobre 25 idiomas europeus, entre eles o português. Pense num estenógrafo muito rápido que digita enquanto as pessoas falam.
No que ele é bom
O destaque é a velocidade de transcrição, segundo o catálogo. Por isso ele é usado em aplicativos de ditado, como o Handy, que transformam sua voz em texto em qualquer programa. Ele serve para transcrever reuniões, áudios e ditados com agilidade.
passo a passo para começar
- Escolha um aplicativo que use o Parakeet, como o Handy, para evitar instalação técnica.
- Instale o aplicativo e selecione o modelo Parakeet nas configurações.
- Aguarde o download do modelo.
- Teste ditando um parágrafo curto em português.
- Confira a precisão e ajuste o microfone se necessário.
- Para uso técnico, acesse a página oficial no Hugging Face e siga as instruções da NVIDIA.
Meu computador roda?
Pelo catálogo, ele roda em PC com 8 GB de RAM. Por ser pequeno, não exige placa de vídeo potente, embora uma placa possa acelerar. Ele não está no Ollama, que é focado em modelos de texto; o caminho mais fácil é usar um aplicativo que já o embute.
Licença e uso comercial
O modelo usa a licença CC-BY-4.0, segundo a página oficial e o catálogo. Ela permite uso comercial, desde que você dê crédito à NVIDIA. Na prática, mencione a autoria do modelo onde fizer sentido, como na documentação do seu produto.
Limites e cuidados
Os idiomas cobertos são europeus, então o português pode ter mais facilidade com o sotaque de Portugal; teste com áudios brasileiros reais. Barulho de fundo e várias pessoas falando ao mesmo tempo reduzem a precisão. Revise nomes próprios e números. Avise as pessoas quando estiver gravando.
na sua empresa
- Ditar e-mails, orçamentos e anotações em vez de digitar, ganhando tempo no balcão ou no escritório.
- Transcrever áudios de reuniões ou de clientes para guardar o combinado por escrito.
- Criar textos de legendas para vídeos curtos, revisando depois.
dúvidas comuns
Funciona em português do Brasil?
O português está entre os idiomas. Teste com áudios brasileiros.
Precisa de placa de vídeo?
Não. Roda em PC com 8 GB de RAM.
Posso usar comercialmente?
Sim, dando crédito à NVIDIA, conforme a licença CC-BY-4.0.
termos explicados
- reconhecimento automático de fala (ASR)
- Tecnologia que transforma voz em texto.
- CC-BY-4.0
- Licença Creative Commons que permite uso, inclusive comercial, com crédito ao autor.
- ditado
- Falar em voz alta para o computador escrever o texto.
Quer ver a página oficial do modelo?
Texto escrito com apoio de IA a partir da página oficial e do catálogo do IAlfabeto. Versões e requisitos mudam rápido: confira a página oficial.