Traducido del inglés por Plainly. Si algo no coincide, la que cuenta es la página en inglés.

Plainly Guide › Voz y habla › NVIDIA Parakeet

ModeloVoz y hablaTotalmente abiertoOpción gratuita

NVIDIA Parakeet

Un modelo de reconocimiento de voz gratuito de NVIDIA que convierte grabaciones en 25 idiomas europeos en texto con puntuación y marcas de tiempo. Se permite el uso comercial si mencionas a NVIDIA. Requiere configuración técnica y una GPU.

Ir al sitio web de NVIDIA Parakeet

¿Se puede probar gratis?Sí

¿Puedo vender lo que creo?Sí, con condiciones

Abierto o cerradoTotalmente abierto

Nivel necesarioTécnico

Los datos, con fuentes

Abierto o cerrado

Totalmente abierto

Pesos y código descargables con una licencia abierta estándar

Pesos bajo licencia CC BY 4.0, que permite cualquier uso citando la autoría.

fuente · comprobado el 12 oct 2026 · comprobado en la página del propio fabricante

Licencia

CC BY 4.0 (Permisiva (p. ej., Apache 2.0, MIT))

fuente · comprobado el 12 oct 2026 · comprobado en la página del propio fabricante

¿Puedo vender lo que creo?

Sí, con condiciones

Debes citar al fabricante

Ficha: 'ready for commercial/non-commercial use' (listo para uso comercial y no comercial). CC BY 4.0 exige dar crédito al modelo; no se indica si esto se aplica también a las transcripciones.

fuente · comprobado el 12 oct 2026 · comprobado en la página del propio fabricante

Coste

Opción gratuita: Descarga gratuita; pagas tu propio equipo

Planes a continuación.

Cómo se usa

En tu propio ordenador

Funciona con NVIDIA NeMo (pip install nemo_toolkit[asr]), NeMo-Speech.cpp con un archivo GGUF, o Transformers. Hasta 24 minutos de audio por pasada, o 3 horas con atención local.

fuente · comprobado el 12 oct 2026 · comprobado en la página del propio fabricante

Nivel necesario

Técnico

fuente · comprobado el 12 oct 2026 · comprobado, pero la página era poco clara o incompleta

Creado por

NVIDIA

La ficha del modelo no indica un país.

fuente · comprobado el 12 oct 2026 · comprobado en la página del propio fabricante

Estado

Disponible

fuente · comprobado el 12 oct 2026 · comprobado en la página del propio fabricante

Qué puedes crear con ella

Una voz o audio hablado, texto a partir de una grabación (uso principal)

de audio a texto

Puntuación y mayúsculas automáticas, marcas de tiempo por palabra y por segmento, y detección del idioma.

fuente · comprobado el 12 oct 2026 · comprobado en la página del propio fabricante

Planes y precios

No se indican planes de pago.

fuente · comprobado el 12 oct 2026 · comprobado en la página del propio fabricante

Derechos y seguridad

Límites: segundos máximos de audio: 1440; nota: 24 minutos con atención completa en una A100 80GB; hasta 3 horas con atención local.
fuente · comprobado el 12 oct 2026 · comprobado en la página del propio fabricante

Relacionado

Dónde puedes usarlo

Hugging Face

Otras opciones para «Una voz o audio hablado, texto a partir de una grabación»

Adobe Podcast (Enhance Speech), Adobe Premiere, AssemblyAI, Async (formerly Podcastle), AudioShake, Auphonic, Azure AI Speech, CAMB.AI, Cartesia, Cleanvoice AI, Clipchamp, Deepgram, Descript, Distil-Whisper, Dubverse, ElevenLabs, Filmora, Gling, Granite Speech 5.0, Happy Scribe, Hugging Face, Kapwing, Krisp, LFM3-Audio

Sobre esta ficha. Última comprobación de los datos: 12 oct 2026, con las páginas del propio fabricante (cada dato enlaza a su fuente). Estado de la ficha: borrador. Resumen en lenguaje sencillo escrito por Plainly.

¿Has visto un error? Avísanos, con un enlace a la fuente. Cómo funcionan las correcciones