NVIDIA Parakeet每30秒硬补句号:80%转述被无声截断
shauntrennery · x · 2026-11-16
南非电台剪辑服务 locl 发现一个隐蔽的语音模型行为缺陷:他们用 NVIDIA Parakeet 按 30 秒窗口逐段转述音频,每个窗口独立转写、模型不知道前后窗口的存在,于是它会把每个窗口都当成完整段落处理。
实测 3000 个窗口:80% 的窗口最后一个词以句号/问号/叹号结尾,84% 恰好在 30.0 秒处被切断(话语其实还在继续),99% 首词大写。也就是说模型在话语中途硬补了一个不存在的句号,下一个窗口又以大写开头假装新句子开始。
由于 locl 的剪辑流水线完全信任转述的标点来判断句子边界,导致约三分之一的音频片段在句子中间戛然而止。文章还复盘了流水线中三个相信了这个幻觉标点的环节,并说明他们如何发现与修复问题。
「Infra」频道最新
- 微软云重大故障上电视,专家称韧性须在事故前设计投入 — DavidLinthicum · 2026-11-16
- 曝黄仁勋收紧 Nvidia 激进融资,要求云厂商预收客户付款 — KateClarkTweets · 2026-11-16
- 参议员 Cantwell 致函抨击商务部 AI 芯片出口管制失职 — ShakeelHashim · 2026-11-16
- AI 股连续第二日下跌:Nebius 跌近 9%、CoreWeave 跌 6% — GaryMarcus · 2026-11-16
- 百度 Q3:AI 云基建收入涨 94%,AI 业务占核心营收 53% — Baidu_Inc · 2026-11-16
- RTX Spark 笔记本跑 Llama v1 应用,LFM Omni 生成达 100 tok/s — LysandreJik · 2026-11-16