DGX Spark で Parakeet TDT-CTC 0.6B JA を試す

DGX Spark で Parakeet TDT-CTC 0.6B JA を試す｜npaka

DGX Spark で Parakeet TDT-CTC の日本語モデルを試した記事。音声ファイルの文字起こしに続き、マイクの発話区間を分けて標準出力へ書き出すコードを作成している。

NeMo のモデルを読み込む最小例と、Codex に作成を依頼したリアルタイム入力用の Python コードを公開。音量に基づく区間検出を使い、挨拶の認識結果を実行ログに残している。

学習・試した入力：WAV ファイルとマイク音声をそれぞれ文字起こし。／確認 2026-09-15／https://note.com/npaka/n/nd9a5ebcc5531

学習・区間の検出：RMS としきい値を使った軽量 VAD を実装。／確認 2026-09-15／https://note.com/npaka/n/nd9a5ebcc5531

対象：AIの開発・導入・活用を検討する担当者。形式：企業・著者による公開記事。言語：日本語（公開本文で確認）。利用条件：公開記事（本文をログインなしで確認）

確認事項（編集部）：少数の音声での動作確認。冒頭のランキングは第三者情報であり、著者自身による大規模な精度比較ではない。雑音による区間判定の変化に注意する。

出典：npaka「DGX Spark で Parakeet TDT-CTC 0.6B JA を試す」／公開・更新情報：2026-04-08／確認日：2026-09-15／https://note.com/npaka/n/nd9a5ebcc5531

関連ページ