/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
parakeet-tdt-0.6b-v3
Библиотека
nemo
Опубликована
9 сен 2026

svale-600M

Распознавание речиАудио → текст

Дообученная на датской речи модель для преобразования аудиозаписей на датском языке в текст.

90скачиваний за 30 дней2лайкавеса обновлены9 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

svale-600M — модель распознавания датской речи, созданная на основе nvidia/parakeet-tdt-0.6b-v3 и дообученная на 2 850 часах публичных датских аудиоданных: CoRal-v3, FTSpeech, Common Voice, FLEURS и YODAS. Модель предназначена для преобразования датской речи в текст; для запуска автор приводит пример с NVIDIA NeMo и аудио в формате 16 кГц, моно.

По результатам на наборах CoRal, FTSpeech, Common Voice и FLEURS средний WER составляет 12,71 при указанной в README нормализации датского ASR-лидерборда. Модель выдаёт текст в нижнем регистре без пунктуации. Для работы требуется GPU и NeMo 2.1 или новее. Лицензия указана как other; конкретные условия в предоставленных данных не описаны.

Сценарии применения

  • транскрибация датских разговоров
  • распознавание датской речи в диктовках
  • расшифровка датских аудиозаписей для субтитров
  • автоматическая расшифровка датских записей для поиска по содержанию

Ограничения

Для работы требуется GPU, NeMo 2.1 или новее и аудио 16 кГц в моно. Текст выдаётся в нижнем регистре без пунктуации; условия лицензии other в доступных данных не раскрыты.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

svale-600M

Danish speech recognition. nvidia/parakeet-tdt-0.6b-v3 fine-tuned on 2,850 h of public Danish speech (CoRal-v3, FTSpeech, Common Voice, FLEURS, YODAS; train splits only). Lowercase, no punctuation. GPU.

WER, Danish ASR leaderboard normaliser:

CoRal conversationCoRal read-aloudFTSpeechCommon VoiceFLEURSmean
21.5815.537.338.7910.3412.71

Use

from huggingface_hub import hf_hub_download
import nemo.collections.asr as nemo_asr

model = nemo_asr.models.ASRModel.restore_from(hf_hub_download("3dio-ai/svale-600M", "svale-600M.nemo"))
print(model.transcribe(["audio.wav"]))

NeMo 2.1+, 16 kHz mono.

Licence

NVIDIA Open Model License. CoRal OpenRAIL-D use restrictions apply: no speech synthesis, no biometric identification.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · nemo

Нельзя запустить

Модели NVIDIA NeMo требуют отдельного рантайма.

Ревизия весов
15e3c81

0 моделей