/ Модель

Характеристики

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

parakeet-tdt-0.6b-v3

Распознавание речиАудио → текст9 профессий

OpenASR/parakeet-tdt-0.6b-v3 — локальная мультиязычная модель автоматического распознавания речи, разработанная NVIDIA и упакованная проектом OpenASR в формат .oasr.

3 689скачиваний за 30 дней0лайковвеса обновлены27 июл 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

Она предназначена для преобразования аудио в текст на CPU и GPU, включая транскрибацию записей и потоков. Модель автоматически определяет язык речи и поддерживает 25 европейских языков: болгарский, хорватский, чешский, датский, нидерландский, английский, эстонский, финский, французский, немецкий, греческий, венгерский, итальянский, латышский, литовский, мальтийский, польский, португальский, румынский, словацкий, словенский, испанский, шведский, русский и украинский.

Модель содержит около 600 млн параметров и сочетает энкодер FastConformer с декодером Token-and-Duration Transducer (TDT), который предсказывает длительность токенов и пропускает соответствующее число аудиокадров. Это повышает скорость декодирования и обеспечивает нативные временные метки слов. Обучение на корпусах Granary и NeMo ASR Set 3.0 позволило сохранять пунктуацию и регистр в расшифровке. Доступны варианты fp16, q8_0 и q4_k; сборка q8_0 рекомендована как компромисс между качеством и размером, а q4_k — для устройств с ограниченной памятью.

Сильные стороны модели — поддержка большого числа европейских языков, автоматическое определение языка, высокая скорость локального инференса, временные метки слов и работа без Python во время выполнения. Ограничения включают специализацию только на распознавании речи и отсутствие данных о точности для всех языков и сценариев в представленном README. Модель и производные пакеты распространяются по лицензии CC-BY-4.0, требующей указания авторства NVIDIA.

Для каких профессий подходит9

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 · OpenASR

NVIDIA's multilingual speed flagship — 25 European languages, TDT transducer with native word timestamps

License Format Runtime Base model

Native speech-to-text in the OpenASR runtime — engineered for peak performance on CPU & GPU, no Python at inference time.


✨ Highlights

  • 🇪🇺 25 European languages — one 0.6B checkpoint covers bg/hr/cs/da/nl/en/et/fi/fr/de/el/hu/it/lv/lt/mt/pl/pt/ro/sk/sl/es/sv/ru/uk, auto-detecting the spoken language with no prompting
  • ⚡ Built for throughput — the Token-and-Duration Transducer (TDT) decoder predicts how many frames each token spans and skips ahead, cutting decode steps versus conventional transducers
  • 🕑 Native word timestamps — the duration head is the model's own alignment output, so word-level timings come from the model rather than a uniform approximation
  • ✍️ Punctuation and capitalization — trained on transcripts that preserve both (Granary + NeMo ASR Set 3.0; ~670k hours), so the raw decode reads like text
  • 🦀 Native in OpenASR — .oasr packs run with no Python at inference, engineered for peak performance on CPU & GPU

🚀 Quickstart

# 1. Install the OpenASR CLI  ·  https://openasr.org
# 2. Pull a build (pick a quant — see the table below)
openasr pull parakeet-tdt-0.6b-v3:q8

# 3. Transcribe
openasr transcribe audio.wav --model parakeet-tdt-0.6b-v3

All builds for this model:

openasr pull parakeet-tdt-0.6b-v3:fp16
openasr pull parakeet-tdt-0.6b-v3:q8
openasr pull parakeet-tdt-0.6b-v3:q4

📦 Available builds

QuantFile (.oasr)SizeRAM peakRTF · M1 CPURTF · M1 GPUJFK ΔWER vs fp16
fp16parakeet-tdt-0.6b-v3-fp16.oasr1.42 GB1.59 GB0.14×0.05×0.0%
q8_0parakeet-tdt-0.6b-v3-q8_0.oasr919 MB1.12 GB0.13×0.05×0.0%
q4_kparakeet-tdt-0.6b-v3-q4_k.oasr919 MB1.18 GBn/an/an/a

RTF = real-time factor on the fixed 11s JFK clip (lower is faster); RAM peak measured per pack in an isolated subprocess. JFK ΔWER compares each quantized build's JFK transcript to this model's fp16 JFK transcript, so it measures quantization drift rather than absolute recognition accuracy. q8_0 is the recommended default — near-reference quality at a fraction of the footprint.

🧠 About Parakeet TDT 0.6B v3

Parakeet TDT 0.6B v3 is NVIDIA's 600M-parameter multilingual speech-recognition model, extending the English-only v2 to 25 European languages using the Granary multilingual corpus (~660k hours of pseudo-labeled speech plus ~10k hours of human transcriptions). Architecturally it pairs a FastConformer encoder with a Token-and-Duration Transducer (TDT) decoder: each decode step predicts both the next token and how many 80 ms frames it occupies, then skips ahead by that duration — which is what makes the family a speed benchmark for local transcription, and what gives it model-native word timestamps. The model auto-detects the spoken language, preserves punctuation and capitalization, and is released under the permissive CC-BY-4.0 license. This OpenASR repo repackages the weights as .oasr packs that run natively in the OpenASR runtime — no Python at inference time, all decoding local. The q8_0 build is the recommended default; q4_k is the smallest build for tight-memory devices and fp16 is for maximum fidelity or verification.

⚙️ How these packs were made

Converted from nvidia/parakeet-tdt-0.6b-v3 with the OpenASR importer:

openasr model-pack import parakeet-tdt <src> <out>.oasr \
  --package-id parakeet-tdt-0.6b-v3 --quantization {fp16,q8-0,q4-k}

The .oasr container is GGUF-backed; packs use zero-copy mmap weight binding and graph buffer reuse to keep peak memory low.

⚖️ License

These packs inherit the upstream model's license: CC-BY-4.0 (source). OpenASR packaging retains the upstream copyright and NOTICE; the only modifications are format conversion and quantization.

🙏 Acknowledgements

This pack is a redistribution of parakeet-tdt-0.6b-v3, created and released by NVIDIA (nvidia/parakeet-tdt-0.6b-v3), trained with the NeMo toolkit on the Granary corpus and NeMo ASR Set 3.0. All credit for the architecture (FastConformer encoder, TDT decoder), training, and weights belongs to NVIDIA; the license is inherited from and identical to the upstream model (CC-BY-4.0, which requires attribution — keep this credit when redistributing). OpenASR only performs format conversion, quantization, runtime verification, and local-inference adaptation.

🔗 Links

Как запустить

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

GPU в ailist

Универсальный рантайм · openasr

Нельзя запустить

Библиотека «openasr» рантаймом не поддерживается.

Ревизия весов
4036ec5

0 моделей