/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
parakeet-tdt-0.6b-v3
Опубликована
13 апр 2026

parakeet-medical-de

Распознавание речиАудио → текст3 профессии

Модель распознаёт немецкую медицинскую речь и преобразует её в текстовую расшифровку.

134скачиваний за 30 дней0лайковвеса обновлены14 апр 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

Parakeet Medical DE — модель автоматического распознавания речи на немецком языке для медицинской тематики, разработанная Mediform. Она дообучена на наборе Mediform/medical_asr_de от nvidia/parakeet-tdt-0.6b-v3; опубликован чекпойнт эпохи 14 с лучшим показателем на валидации. По данным карточки, WER составляет 11,31% на тесте и 11,55% на валидации, а набор обучения включает 529 немецких медицинских терминов, в том числе названия лекарств, заболеваний, процедур, симптомов и частей тела.

Модель принимает аудиоречь и выдаёт текстовую расшифровку. В README описана совместимость весов SafeTensors с mlx-audio-swift для локального вывода на устройствах Apple Silicon. Лицензия — Apache-2.0. Показатели качества приведены для конкретных тестовых данных и сами по себе не гарантируют такую же точность на других записях или в клиническом применении.

Сценарии применения

  • расшифровка немецких консультаций врача и пациента
  • распознавание названий лекарств и заболеваний в устной речи
  • транскрибация медицинских обсуждений и докладов
  • подготовка текстовых расшифровок немецких медицинских аудиозаписей

Ограничения

Заявленные показатели WER получены на конкретных тестовом и валидационном наборах и могут отличаться на других аудиозаписях. В README описана совместимость для локального вывода на Apple Silicon через mlx-audio-swift.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Parakeet Medical DE

German medical ASR model fine-tuned from nvidia/parakeet-tdt-0.6b-v3 on Mediform/medical_asr_de.

This is the best validation checkpoint (epoch 14, val_wer=11.55%). For the last epoch, see Mediform/parakeet-medical-de-e20.

Performance

ModelTest WERVal WER
Baseline (parakeet-tdt-0.6b-v3)26.17%-
This model (epoch 14, best val)11.31%11.55%
Last epoch (epoch 20)11.24%11.59%

14.86% absolute WER improvement over the English-only baseline on German medical speech.

Training Details

  • Base model: nvidia/parakeet-tdt-0.6b-v3 (627M params, EncDecRNNTBPEModel)
  • Dataset: Mediform/medical_asr_de (14,388 train / 799 val / 799 test samples, 117h)
  • Hardware: 4x NVIDIA A40 (48GB)
  • Strategy: DDP, bf16-mixed precision
  • Batch size: 2/GPU x 4 GPUs x 8 accumulation = 64 effective
  • Optimizer: AdamW (lr=5e-5, cosine annealing, 200 warmup steps)
  • Epochs: 20 (best at epoch 14)
  • Spec augment: freq_masks=2, time_masks=10

Training Curve

EpochVal WER
016.56%
113.21%
213.01%
312.80%
411.95%
811.82%
1411.55%
1911.59%

Usage with MLX (Apple Silicon)

Weights are in SafeTensors format, compatible with mlx-audio-swift for on-device inference.

Medical Domain Coverage

The training dataset covers 529 unique German medical terms including drug names, conditions, procedures, symptoms, and anatomy. Sources: VoxPopuli (EU Parliament medical debates), MultiMed (patient-doctor dialogues), CommonVoice, Spoken Wikipedia, M-AILABS, TuDa, Voxforge.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели NVIDIA NeMo требуют отдельного рантайма.

Ревизия весов
a0a2d33

0 моделей