/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
CC BY-NC 4.0
Опубликована
21 июл 2026

nemotron-3.5-asr-streaming-0.6b-onnx-int4-opset24-c112-cpu

Распознавание речиАудио → текст

Потоковая многоязычная модель NVIDIA Nemotron 3.5 ASR Streaming 0.6B в формате ONNX INT4 для распознавания речи на CPU.

0скачиваний за 30 дней0лайковвеса обновлены21 июл 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

Это производная версия потоковой модели распознавания речи NVIDIA Nemotron 3.5 ASR Streaming 0.6B, преобразованная в формат ONNX и квантизованная до INT4 для инференса на CPU. Модель использует энкодер, декодер и joint-компонент; заявленный размер чанка составляет 1,12 секунды, что даёт энкодеру больше контекста и рекомендовано для этой квантизованной сборки.

Модель предназначена для потоковой транскрипции аудио, в том числе многоязычной речи и переключения между языками. Для запуска требуются ONNX Runtime версии 1.25 или выше и ONNX Runtime GenAI; README также приводит пример использования из C#/.NET. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и ограничивающая коммерческое применение.

Квантизация INT4 уменьшает размер и ускоряет CPU-инференс, но может влиять на точность распознавания. README указывает, что более длинные чанки обычно улучшают WER за счёт дополнительного контекста, ценой большей задержки; измерения качества не приведены.

Сценарии применения

  • потоковая транскрипция речи на CPU
  • распознавание речи в диктовке с низкой задержкой
  • транскрипция многоязычных аудиозаписей
  • распознавание речи с переключением между языками

Ограничения

Квантизация INT4 может снижать точность распознавания; увеличение чанка до 1,12 секунды повышает задержку. Коммерческое использование ограничено лицензией CC BY-NC 4.0.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Nemotron 3.5 ASR Streaming 0.6B — ONNX INT4 k-quant (CPU, opset 24, chunk 1.12s)

INT4 k-quant (MatMulNBits) — smallest and fastest ONNX model converted from NVIDIA Nemotron 3.5 ASR Streaming 0.6B to native ONNX opset 24 for CPU inference with ONNX Runtime GenAI.

Streaming chunk size: 1.12s — maximum encoder context — recommended for INT4 (extra context compensates quantization noise).

Model Details

PropertyValue
Base modelNVIDIA Nemotron 3.5 ASR Streaming 0.6B
ONNX opset24 (native)
Encoder layers24
Hidden size1024
PrecisionINT4 k-quant
Chunk size1.12s (17920 samples @ 16kHz)
Left context140 encoded frames
Sample rate16,000 Hz
Vocab size13,088
Languages80+ (multilingual)
VADSilero VAD included
Total size~793 MB

Files

FileSize
encoder.onnx + .data682 MB
decoder.onnx + .data57 MB
joint.onnx + .data36 MB
silero_vad.onnx2 MB

Requirements

  • ONNX Runtime ≥ 1.25 (opset 24 support on CPU).
  • Tested with Microsoft.ML.OnnxRuntime 1.25.1 + Microsoft.ML.OnnxRuntimeGenAI 0.14.1.

Quick Start

C# / .NET

using NemotronSpeech;

using var session = new ModelSession(
    modelPath: "path/to/this/model",
    executionProvider: "cpu",
    langId: null,
    useVad: false);

CLI

NemotronSpeech.exe <model_path> <audio_file> cpu
NemotronSpeech.exe <model_path> --mic cpu --language en

Choosing a chunk size

ChunkLatencyEncoder contextBest for
0.08s / 0.16sLowestMinimalUltra-low-latency dictation
0.56sBalanced70 framesRecommended default (NVIDIA)
1.12sHigher140 framesBest accuracy, code-switching, multilingual

Larger windows give the encoder more context, which improves WER — especially noticeable for quantized (INT4) builds and code-switched / multilingual audio.

Related models

  • DimQ1/nemotron-3.5-asr-streaming-0.6b-onnx-fp32-cpu — opset 21 FP32
  • DimQ1/nemotron-3.5-asr-streaming-0.6b-onnx-int4-cpu — opset 21 INT4 (fastest)

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Ревизия весов
be1ef89

0 моделей