Характеристики

Лицензия: CC BY 4.0
Базовая модель: parakeet-tdt-0.6b-v3
Опубликована: 29 окт 2025

Ссылки

parakeet-tdt-0.6b-v3-ov

Распознавание речиАудио → текст8 профессий

OpenVINO-оптимизированная версия Parakeet TDT V3 для распознавания речи на 24 европейских языках на процессорах и NPU Intel.

36скачиваний за 30 дней6лайковвеса обновлены25 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

FluidInference/parakeet-tdt-0.6b-v3-ov — версия NVIDIA Parakeet TDT V3, оптимизированная FluidInference для OpenVINO. Это модель автоматического распознавания речи на базе FastConformer-RNNT; в README указано 1,1 млрд параметров и конвейер из четырёх моделей. Она предназначена для транскрибации аудио на процессорах и NPU Intel, поддерживает 24 европейских языка и обрабатывает речь фрагментами по 10 секунд с перекрытием в 3 секунды.

Среди возможностей — сохранение состояния LSTM между фрагментами, удаление повторяющихся токенов и временные метки для токенов. В тестах README приведены средний WER 3,7% на LibriSpeech test-clean и 17,0% на многоязычном FLEURS; результаты зависят от языка и оборудования. Лицензия CC BY 4.0. В метаданных базовой моделью указана nvidia/parakeet-tdt-0.6b-v3, однако README называет базовой моделью nvidia/parakeet-tdt-1.1b, а также расходится с метаданными по размеру и списку языков.

Сценарии применения

транскрибация многоязычных аудиозаписей
распознавание речи в реальном времени на устройствах Intel
получение временных меток токенов в транскрипте

Ограничения

В README и метаданных расходятся сведения о базовой модели, размере и языковом покрытии; уточняйте совместимость конкретной сборки и качество для нужного языка. Приведённые показатели относятся к указанным тестам и оборудованию Intel.

Для каких профессий подходит8

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 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 I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Parakeet TDT 1.1B V3 - OpenVINO

OpenVINO-optimized version of NVIDIA's Parakeet TDT 1.1B V3 model for high-performance multilingual automatic speech recognition on Intel NPUs and CPUs.

Benchmark Results

Hardware: Intel Core Ultra 7 155H (Meteor Lake) with Intel AI Boost NPU Software: OpenVINO 2025.x

LibriSpeech test-clean (English)

Metric	Value
Average WER	3.7%
Median WER	0.0%
Average CER	1.9%
RTFx (NPU)	25.7×
RTFx (CPU)	5-8×
Files processed	2,620 (5.4 hours)

FLEURS Multilingual (24 Languages)

Metric	Value
Average WER	17.0%
Average CER	5.4%
Average RTFx	41.1×
Total samples	~15,000+

Best performing languages (WER): Italian 4.3%, Spanish 5.4%, English 6.1%, German 7.4%, French 7.7%

See BENCHMARK_RESULTS.md for complete per-language results.

Performance Comparison

Implementation	Device	RTFx (Avg)	WER (LibriSpeech)
eddy (OpenVINO)	Intel Core Ultra 7 155H NPU	25.7×	3.7%
Parakeet (PyTorch)	Intel Arc 140V GPU	~20×*	~2.5%*
eddy (OpenVINO)	Intel Core Ultra 7 155H CPU	5-8×	3.7%

Note: Benchmarked on HP EliteBook Ultra G1i. eddy NPU is ~1.3× faster than PyTorch on Intel Arc GPU, with lower power consumption. *V3 estimated from V2 benchmark.

Supported Languages

24 European languages: English, Spanish, Italian, French, German, Dutch, Russian, Polish, Ukrainian, Slovak, Bulgarian, Finnish, Romanian, Croatian, Czech, Swedish, Estonian, Hungarian, Lithuanian, Danish, Maltese, Slovenian, Latvian, Greek

Usage

Python usage via ctypes available - see eddy repository for details.

Model Details

Parameters: 1.1B
Architecture: FastConformer-RNNT (4-model pipeline)
Languages: 24 European languages
Blank token ID: 8192
Context window: 10s chunks with 3s overlap
Features: LSTM state continuity, token deduplication, per-token timestamps

License

CC-BY-4.0 - See LICENSE for details.

Acknowledgments

Based on NVIDIA's Parakeet TDT model. OpenVINO conversion and optimization by the FluidInference team.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов: b299728