英伟达 发布了一个 语音转录 的模型，只有2.47G。
parakeet-tdt-0.6b-v2 是一个包含 6 亿个参数的自动语音识别 （ASR） 模型，专为高质量英语转录而设计，支持标点符号、大小写和准确的时间戳预测。
对于数字、标点等特别管用。
使用场景：适合批量搬运国外视频，可以试试，转录了再翻译成中文。
source
parakeet-tdt-0.6b-v2 是一个包含 6 亿个参数的自动语音识别 （ASR） 模型，专为高质量英语转录而设计，支持标点符号、大小写和准确的时间戳预测。
对于数字、标点等特别管用。
使用场景：适合批量搬运国外视频，可以试试，转录了再翻译成中文。
source