/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
parakeet-rnnt-110m-da-dk
Библиотека
nemo
Опубликована
26 сен 2026

ekko-v1-tiny

Распознавание речиАудио → текст3 профессии

Компактная локальная модель RyeAI преобразует датскую речь в текст и может добавлять временные метки слов.

404скачиваний за 30 дней2лайкавеса обновлены12 окт 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

Ekko v1 Tiny — компактная модель распознавания датской речи в текст, разработанная RyeAI. Это дообученная на базе nvidia/parakeet-rnnt-110m-da-dk модель FastConformer RNN-T размером 110 млн параметров, предназначенная для локального офлайн-распознавания речи. Она поддерживает выдачу временных меток слов и доступна в форматах NeMo, GGUF и ONNX, включая варианты квантования для локального запуска на CPU и в браузере.

Модель лучше всего подходит для чёткой речи одного говорящего в ровном темпе, например для чтения вслух и диктовки. В описанном бенчмарке средний WER составил 12,37%; результаты на чтении заметно лучше, чем на спонтанных разговорах. Выходной текст пишется строчными буквами и не содержит пунктуации; для восстановления регистра и знаков препинания можно использовать отдельную модель RyeAI/ekko-pnc.

Модель предназначена только для датского языка. Шумная речь и перекрывающиеся голоса отдельно не оценивались, а диктовка не проверялась как самостоятельный тестовый набор. Лицензия указана как other, поэтому условия использования следует уточнить в карточке репозитория.

Сценарии применения

  • транскрибация датской речи в офлайн-режиме
  • распознавание чтения вслух на датском языке
  • создание черновой расшифровки датской диктовки
  • получение временных меток слов в датской аудиозаписи

Ограничения

Результат выдаётся строчными буквами без пунктуации и заглавных букв; для их восстановления нужна отдельная модель. На спонтанной речи качество ниже, чем на чтении; шум и перекрывающиеся голоса отдельно не оценивались.

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

Ekko v1 Tiny — offline Danish speech recognition

Leaderboard · Benchmark data · Evaluation harness

Ekko v1 Tiny — Offline Danish Speech-to-Text with Word Timestamps

Ekko v1 Tiny is a compact, 110M-parameter Danish speech recognition model with word timestamps. It is a FastConformer RNN-T fine-tuned from nvidia/parakeet-rnnt-110m-da-dk and runs locally. Its raw output is lowercase text; pair it with RyeAI/ekko-pnc for capitalization and punctuation.

Best fit: clear Danish speech from one speaker, delivered at a steady pace, such as dictation or reading aloud. The published results are stronger on read and formal speech than on spontaneous conversation. Dictation itself was not evaluated as a separate test set.

Benchmark

12.37% mean WER across 26,780 rows from five Danish test sets, evaluated with the leaderboard harness. Scores use the published defaults: NFKC normalization, spoken-number folding, Danish number-word normalization, lowercase, punctuation removal, symmetric filler removal, and whitespace collapse. Lower is better.

Test setSpeech typeWER
CoRal conversationSpontaneous conversation24.15%
CoRal read aloudRead speech11.87%
Common Voice Danish (CV 25.0 test subset)Crowd-sourced read speech8.44%
FLEURS da_dkRead news-style speech9.75%
FTSpeechParliamentary speech7.62%
Equal-weight mean12.37%

The NeMo checkpoint processed the benchmark at 795.8x realtime on one A100. The official run saved raw per-sample outputs, and an independent offline rescore reproduced 12.37% exactly.

Comparison with models below 800M parameters

Mean WER of Ekko v1 Tiny and all twelve open-weight leaderboard models below 800M parameters

The chart compares Tiny's Q5_0 release score with 12 open-weight models below 800M parameters in the Danish ASR Leaderboard as of 9 October 2026. Each score is an equal-weight mean WER across the same five Danish test sets (26,780 clips). Tiny scores 12.37%, 0.27 percentage points lower than Svale 600M at 12.64%. Rankings may change when new models or reruns are added.

Native GGUF quantization

The F32, F16, Q8_0, Q6_K, Q5_K, Q5_0, Q4_K, and Q4_0 files are scored on the same current 26,780-row matrix and normalization policy as the NeMo result above. All 40 variant/domain outputs completed and passed exact-row offline scoring.

VariantSizeMean WERCPU speed
F16248.2 MiB12.315%74.4x
F32430.6 MiB12.318%71.8x
Q8_0162.7 MiB12.323%74.9x
Q6_K141.8 MiB12.325%63.0x
Q5_K129.8 MiB12.337%60.1x
Q5_0128.5 MiB12.370%69.4x
Q4_K118.4 MiB12.442%65.4x
Q4_0117.1 MiB12.467%72.1x

Q5_0 remains the packaged default: it is 128.5 MiB, runs at 69.4x realtime, and is 0.047 mean-WER points behind Q8_0. Choose Q8_0 when the extra 34.2 MiB is acceptable and maximum quantized accuracy is preferred. F16 is the native reference tier.

ONNX and browser export

The model is available for sherpa-onnx and was evaluated on the same 26,780-row matrix with mandatory non-silent peak normalization to 0.95. The browser downloads the compact int8 export.

ExportSizeMean WERCPU speed
FP32 ONNX450.6 MiB12.465%53.4x
INT8 ONNX129.0 MiB12.946%49.2x

Both exports completed all five domains with zero runtime failures. INT8 is 71.4% smaller than FP32 and trades 0.481 mean-WER points for the smaller browser download.

Artifacts

The current NeMo, GGUF, and ONNX artifacts are pinned at Hub revision e37e698805c538e447c25062ab13fa862462ee9e and verified by SHA-256.

Clean-cache packaged download and inference tests passed on macOS arm64 and Linux x64 with native word timestamps. The Windows x64 artifact is mapped but has not been exercised against this release.

FormatPathMeasured mean WER
NeMoekko-v1-tiny.nemo12.37%
parakeet.cpp GGUFgguf-parakeet.cpp/ekko-v1-tiny-{f32,f16,q8_0,q6_k,q5_k,q5_0,q4_k,q4_0}.gguf12.315-12.467%
sherpa-onnx FP32onnx-sherpa/{encoder,decoder,joiner}.onnx12.465%
sherpa-onnx INT8onnx-sherpa/{encoder,decoder,joiner}.int8.onnx12.946%

The browser loads onnx-sherpa/runtime-config.json with the INT8 files and checks its SHA-256 before using its audio and model settings.

Local Use

For pinned downloads, word timestamps, and optional PnC, see the Ekko STT quickstart. If you already have parakeet-cli from parakeet.cpp, you can also run the GGUF model directly:

hf download RyeAI/ekko-v1-tiny \
  gguf-parakeet.cpp/ekko-v1-tiny-q5_0.gguf \
  --local-dir ./ekko-v1-tiny
parakeet-cli transcribe \
  --model ./ekko-v1-tiny/gguf-parakeet.cpp/ekko-v1-tiny-q5_0.gguf \
  --input audio.wav --timestamps

NeMo usage:

from nemo.collections.asr.models import EncDecRNNTBPEModel

model = EncDecRNNTBPEModel.from_pretrained("RyeAI/ekko-v1-tiny")
transcript = model.transcribe(["audio.wav"])[0]
print(transcript.text)

Training and limitations

Ekko v1 Tiny trained for 50,000 steps on an 879,083-row, 1,549.6-hour Danish manifest, including 454.1 hours of quality-gated pseudo-labelled audio.

  • Danish only.
  • Raw output has no punctuation or capitalization.
  • The 44-token vocabulary does not contain uppercase or punctuation tokens.
  • Punctuation and capitalization require a separate restoration model such as RyeAI/ekko-pnc.
  • Spontaneous conversation remains the hardest benchmark domain (24.15% WER).
  • Noisy audio and overlapping speakers were not evaluated separately.

License

The complete model and data terms are documented in MODEL_LICENSE.md and the bundled LICENSES/ files.

Как запустить

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

GPU в ailist

Универсальный рантайм · nemo

Нельзя запустить

Модели NVIDIA NeMo требуют отдельного рантайма.

Ревизия весов
48cb3df

0 моделей