/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
CC BY-NC 4.0
Опубликована
30 июн 2026

nemotron-3.5-asr-streaming-0.6b-onnx-int8-cpu

Распознавание речиАудио → текст

Потоковая мультиязычная модель NVIDIA для распознавания речи, преобразованная в ONNX INT8 для инференса на CPU.

0скачиваний за 30 дней0лайковвеса обновлены30 июн 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 версия потоковой модели распознавания речи NVIDIA Nemotron 3.5 ASR Streaming 0.6B, преобразованная в формат ONNX и квантизованная до INT8 с помощью Microsoft Olive. Модель предназначена для распознавания речи на CPU через ONNX Runtime GenAI; для компромисса между задержкой и точностью автор рекомендует обрабатывать аудио фрагментами по 0,56 секунды. В README также приведён пример интеграции с C#/.NET и включением VAD.

Модель принимает аудио и выдаёт распознанный текст. Метаданные перечисляют поддержку 19 языков, включая русский, английский, немецкий, французский, испанский, китайский, японский, корейский, арабский и хинди. В описании указаны 24 слоя энкодера и скрытый размер 1024; файлы ONNX занимают около 1,02 ГБ. Лицензия — CC BY-NC 4.0, которая ограничивает коммерческое использование. Квантизация уменьшает размер и ускоряет CPU-инференс, но README характеризует качество INT8-варианта как хорошее, тогда как FP32 назван лучшим.

Сценарии применения

  • потоковая транскрибация речи на CPU
  • распознавание русской речи в приложении на C#/.NET
  • транскрибация аудио с обработкой короткими фрагментами
  • распознавание речи с подавлением участков без речи через VAD

Ограничения

Версия INT8 имеет более низкую заявленную точность, чем вариант FP32; для баланса задержки и качества рекомендуется размер аудиофрагмента 0,56 секунды. Лицензия CC BY-NC 4.0 не допускает коммерческого использования.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Nemotron 3.5 ASR Streaming 0.6B — ONNX INT8 (CPU, 0.56s chunks)

INT8 k-quant quantized ONNX model converted from NVIDIA Nemotron 3.5 ASR Streaming 0.6B using Microsoft Olive.

Optimized for fast CPU inference with ONNX Runtime GenAI. Uses NVIDIA's recommended 0.56s chunk size for best latency/accuracy trade-off.

Model Details

PropertyValue
Base modelNVIDIA Nemotron 3.5 ASR Streaming 0.6B
Encoder layers24
Hidden size1024
QuantizationINT8 k-quant (block_size=32, accuracy_level=4)
Chunk size0.56s (8,960 samples @ 16kHz)
Sample rate16,000 Hz
Vocab size13,088
Languages80+ (multilingual)
VADSilero VAD included
Total size~1,021 MB

Quick Start

C# / .NET (onnxruntime-genai)

using NemotronSpeech;

using var session = new ModelSession(
    modelPath: "DimQ1/nemotron-3.5-asr-streaming-0.6b-onnx-int8-cpu",
    executionProvider: "cpu",
    langId: "11",  // Russian
    useVad: true
);

Python (onnxruntime-genai)

import onnxruntime_genai as og
import numpy as np

model = og.Model("DimQ1/nemotron-3.5-asr-streaming-0.6b-onnx-int8-cpu")
processor = og.StreamingProcessor(model)
tokenizer = og.Tokenizer(model)
params = og.GeneratorParams(model)
generator = og.Generator(model, params)

generator.set_runtime_option("lang_id", "11")  # Russian

chunk = np.zeros(8960, dtype=np.float32)  # 0.56s @ 16kHz
inputs = processor.process(chunk)
if inputs is not None:
    generator.set_inputs(inputs)
    while not generator.is_done():
        generator.generate_next_token()

Conversion Recipe

cd converter
python src/optimize.py \
  --model-name nemotron-3.5-asr-streaming-0.6b.nemo \
  --encoder-precision int8 \
  --execution-provider cpu \
  --output-dir build/onnx_models_int8_cpu

See nemotron-speech-csharp for the full C# demo app with VoiceType WPF UI.

Files

FileSize
encoder.onnx + .data922 MB
decoder.onnx + .data57 MB
joint.onnx + .data36 MB
silero_vad.onnx2.1 MB
tokenizer.json0.7 MB

Available Variants

ModelPrecisionEncoderTotalQuality
FP32FP322,380 MB2,479 MB⭐ Best
INT8INT8 k-quant922 MB1,021 MBGood
INT4INT4 k-quant658 MB757 MB⚡ Fastest

License

This model inherits cc-by-nc-4.0 from the base NVIDIA Nemotron model.

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
9e0b74a

0 моделей