目前有哪些较好的开源语音识别框架？语音识别的原理是怎么样的？

Nvidia 发布 Parakeet V2，一款新的开源自动语音识别 AI，核心亮点：一秒钟转录一小时的音频；Open ASR 上的顶级模型，击败了 ElevenLabs 的 Scribe 和 OpenAI 的 Whisper；6.05% 的单词错误率；CC-BY-4.0 许可下可用。

基本信息：基于 FastConformer-TDT 架构，有 6 亿参数，用于高质量英语转录，支持标点、大小写和时间戳预测，遵循 CC-BY-4.0 许可，可全球部署。适用于需要语音转文本功能的开发者、研究人员、学者和行业。

输入输出：输入为 16kHz 单声道音频，支持.wav 和.flac 格式；输出为包含标点和大小写的文本字符串。

使用方法：需安装 NVIDIA NeMo，可在 NeMo 工具包中使用，也能作为预训练检查点进行推理或微调。示例代码展示了如何自动实例化模型、转录音频以及获取带时间戳的转录结果。

训练与评估：使用 NeMo 工具包训练，从 LibriLight 数据集预训练的 wav2vec SSL 检查点初始化，在多种数据集上训练，包括 10000 小时人工转录数据和 110000 小时伪标记数据，训练数据包含多种噪声源。评估使用 Huggingface Open ASR Leaderboard 数据集，性能指标为词错误率（WER）。模型在不同数据集上的平均 WER 为 6.05%，在噪声鲁棒性和电话音频性能方面也有相应测试结果。

性能表现

• 基础性能：在多个数据集上进行测试，平均词错误率（WER）为 6.05% 。
• 噪声鲁棒性：随着信噪比降低，WER 有所上升。
• 电话音频性能：相比标准 16kHz 音频，μ-law 8kHz 音频的 WER 略高。

推理：使用 NVIDIA NeMo 引擎，支持多种 NVIDIA 硬件进行推理测试。

伦理考量：开发者应确保模型符合行业和用例要求，避免产品滥用。在偏差、可解释性、隐私和安全方面有相关说明，如未采取缓解偏差措施、模型输出可能不准确、训练数据有来源证明、数据标注符合隐私法但无法满足外部数据主体的修改或删除请求等。

https://huggingface.co/nvidia/parakeet-tdt-0.6b-v2