parakeet.wgsl – 通过原生 WebGPU 与 SIMD WASM 在浏览器中实现快速准确的语音识别

在浏览器中高性能推理 NVIDIA Parakeet TDT 0.6B V2 英语转录模型。查看在线演示：https://parakeet.narcotic.sh/ 这是一个完全定制、无依赖的实现，使用原生 WebGPU 计算着色器和 SIMD WebAssembly 音频前端。1 小时音频仅需 20 秒即可转录完成（Apple M5，Google Chrome 151.0.7922.72）。查看源代码并在你自己的项目中使用！https://github.com/narcotic-sh/parakeet.wgsl https://www.npmjs.com/package/parakeet.wgsl 这可能是首次在浏览器本地实现快速且准确的转录。只要你的设备有 GPU 并且能运行支持 WebGPU 的浏览器，parakeet.wgsl 就能在上面运行。而且由于 WebGPU 可以转译到几乎任何 GPU，这也为 parakeet.wgsl 通过 Dawn 或 wgpu 在离线/浏览器之外运行开辟了道路，从而将快速、准确的转录带到离线程序中，并支持 GPU 加速和几乎所有硬件/设备。很想知道大家对这个项目的看法。最后，我正在找工作。如果你喜欢我的工作并认为我适合你的团队，我很乐意聊聊。我还做了一些其他工作，你可以在 https://hamzaq.com 找到。谢谢大家！享受快速、跨平台、GPU 加速的本地转录吧！