Характеристики

Размер весов: 2,6 ГБ
Лицензия: CC BY 4.0
Базовая модель: parakeet-tdt-0.6b-v2
Опубликована: 13 июл 2025

Ссылки

parakeet-tdt-0.6b-v2-coreml

Распознавание речиАудио → текст4 профессии

Parakeet TDT 0.6B V2 CoreML — модель автоматического распознавания речи, разработанная командой FluidInference на основе Parakeet TDT 0.6B V2 от NVIDIA.

12 150скачиваний за 30 дней11лайковвеса обновлены25 сен 2025

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

Она преобразована в формат CoreML для высокопроизводительного локального вывода на устройствах Apple, включая Apple Silicon и iOS.

Модель предназначена для транскрибирования англоязычной речи в реальном времени и интеграции в приложения на macOS и iOS. Она использует архитектуру FastConformer-TDT, содержит около 0,6 млрд параметров, принимает аудио с частотой дискретизации 16 кГц и поддерживает английский язык. Заявлены macOS 14+, iOS 17+ и интеграция со Swift через репозиторий FluidAudio.

К сильным сторонам относятся оптимизация для устройств Apple, возможность выполнения распознавания непосредственно на устройстве, высокая заявленная скорость работы — коэффициент реального времени около 110× на M4 Pro — и относительно небольшой пиковый объём памяти около 800 МБ. Ограничения включают поддержку только английского языка, зависимость от платформ Apple и отсутствие в README подробных сведений о точности, устойчивости к шуму и поддерживаемых вариантах входного аудио. Модель распространяется по лицензии CC-BY-4.0.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🧃 Parakeet TDT 0.6B V2 - CoreML

This is a CoreML-optimized version of NVIDIA's Parakeet TDT 0.6B V2 model, designed for high-performance automatic speech recognition on Apple platforms.

Model Description

Models will continue to evolve as we optimize performance and accuracy. This model has been converted to CoreML format for efficient on-device inference on Apple Silicon and iOS devices, enabling real-time speech recognition with minimal memory footprint.

Usage in Swift

See the FluidAudio repository for instructions.

Performance

Real-time factor: ~110x on M4 Pro
Memory usage: ~800MB peak
Supported platforms: macOS 14+, iOS 17+
Optimized for: Apple Silicon

Model Details

Architecture: FastConformer-TDT
Parameters: 0.6B
Sample rate: 16kHz

License

This model is released under the CC-BY-4.0 license. See the LICENSE file for details.

Acknowledgments

Based on NVIDIA's Parakeet TDT model. CoreML conversion and Swift integration by the FluidInference team.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Не удалось определить, чем загружать веса модели (нет library_name и architectures).

Ревизия весов: ee09c56