/ Модель

Характеристики

Лицензия
CC BY 4.0
Базовая модель
parakeet-tdt-0.6b-v3
Библиотека
mlx
Опубликована
31 июл 2026

parakeet-tdt-0.6b-v3-mlx-bf16

Распознавание речиАудио → текст5 профессий

Компактная версия Parakeet TDT 0.6B v3 в формате bfloat16 для распознавания речи и транскрибирования аудио с помощью MLX.

72скачиваний за 30 дней0лайковвеса обновлены29 авг 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 модели распознавания речи NVIDIA Parakeet TDT 0.6B v3, подготовленная NielsPeter для MLX. Веса с плавающей точкой сохранены в формате bfloat16 вместо float32; архитектура, словарь и токенизатор не изменены. Модель принимает аудио и выдаёт распознанный текст, включая речь на английском, датском и шведском языках.

Формат bfloat16 уменьшает размер файлов весов с 2,34 до 1,25 ГБ и снижает пиковое потребление памяти при транскрибировании примерно с 2,6 до 1,6 ГБ. В описанных сравнениях результат совпал с float32-версией на примерно 7 300 словах на трёх языках. Модель предназначена для использования с MLX; лицензия — CC-BY-4.0.

Сценарии применения

  • транскрибирование англоязычных записей
  • распознавание датской речи
  • распознавание шведской речи
  • создание текстовых расшифровок выступлений и повествовательных записей

Ограничения

В README приведены сравнительные результаты лишь для отдельных записей на английском, датском и шведском языках; качество на других данных не установлено. Для работы требуется совместимый MLX-загрузчик.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

parakeet-tdt-0.6b-v3-mlx-bf16

mlx-community/parakeet-tdt-0.6b-v3 with every floating-point tensor stored as bfloat16 instead of float32. 2.34 GB → 1.25 GB. Nothing else is changed: same architecture, same vocabulary, same tokenizer.

Why this is not a quantization

Loaders in mlx-audio-swift cast every floating-point parameter to bfloat16 immediately after reading the checkpoint — ParakeetModel.fromDirectory defaults to computeDType: .bfloat16 and applies it to all parameters before the first inference. An fp32 checkpoint therefore ships ~1.1 GB of precision that is discarded at load.

This repo performs that same rounding once, at conversion time, rather than on every load. The values the model computes with are identical.

bfloat16, not float16. bf16 keeps fp32's 8-bit exponent and is exactly the cast the loader performs. fp16 has a 5-bit exponent, so an fp16 checkpoint takes a different, lossier path (fp32 → fp16 → bf16) and does not reproduce fp32 output — measured below.

Measured

Transcribed against the fp32 original and compared word by word. WER is measured against the fp32 output, not ground truth: the question is whether this checkpoint changes anything.

The fp32 baseline was first verified byte-identical across three runs on the same input, so any difference is the checkpoint rather than run-to-run variation.

AudioLanguageWordsthis (bf16)a public fp16 conversion
Talk, 31 minDanish6,5510.00%2.79%
Talk, 2.5 minSwedish3570.00%2.24%
Narration, 2.5 minEnglish2340.00%—
Meeting recordingDanish/Swedish620.00%—
Meeting recordingDanish390.00%—
Short clipDanish430.00%0.00%

Zero edits in ~7,300 words across three languages.

For comparison, on the same audio, 8-bit quantizations of this model measure 0.00% WER on English and 4.8–9.3% on Danish and Swedish — quantization damage that an English-only benchmark does not reveal.

Peak RSS during transcription drops from ~2.6 GB (fp32) to ~1.6 GB.

Conversion

import mlx.core as mx

weights = mx.load("model.safetensors")
out = {k: (v.astype(mx.bfloat16) if v.dtype in (mx.float32, mx.float16) else v)
       for k, v in weights.items()}
mx.save_safetensors("model.safetensors", out)

config.json, tokenizer.model, tokenizer.vocab and vocab.txt are copied unmodified.

Attribution

Derived from nvidia/parakeet-tdt-0.6b-v3 via mlx-community/parakeet-tdt-0.6b-v3, both CC-BY-4.0, and released under the same licence. The only modification is the dtype of the stored weights, as described above.

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов
3bb541a

0 моделей