/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
nemotron-3.5-asr-streaming-0.6b
Библиотека
mlx
Опубликована
4 июн 2026

Nemotron-3.5-ASR-Streaming-0.6B-MLX-4bit

Распознавание речиАудио → текст5 профессий

Потоковая 4-битная MLX-модель NVIDIA Nemotron-3.5 для распознавания речи на устройствах Apple Silicon.

77скачиваний за 30 дней4лайкавеса обновлены4 июн 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 4-битная MLX-конверсия потоковой модели распознавания речи Nemotron-3.5 ASR Streaming от NVIDIA, подготовленная aufklarer для Apple Silicon. Модель содержит около 600 млн параметров и использует архитектуру FastConformer-CacheAware-RNN-T с языковым промптом. Она принимает аудио и выдаёт текстовую расшифровку в потоковом режиме; в карточке указана поддержка 40 языков, а метаданные перечисляют английский, испанский, немецкий, французский, итальянский, португальский, русский, хинди, китайский, японский, корейский и арабский.

Квантизация до 4 бит уменьшает размер весов до 473 МБ и пиковое потребление памяти примерно до 750 МБ. В тестах на Apple Silicon M5 Pro модель показала задержку обработки чанка 12,8 мс на медиане и 15,6 мс на 99-м перцентиле. По данным карточки, средняя ошибка распознавания возрастает примерно на 6 процентных пунктов относительно исходной версии fp32; особенно заметно это для хинди и американского английского. Автор рекомендует вариант для локальных ассистентов и предварительных расшифровок, когда допустима потеря точности. Условия лицензии обозначены как other; конкретные права использования следует проверить в лицензии репозитория.

Сценарии применения

  • потоковая расшифровка речи на Apple Silicon
  • локальное распознавание речи для голосового помощника
  • создание черновых субтитров в реальном времени
  • получение текстовой подсказки из аудиозаписи
  • распознавание многоязычной речи на устройстве

Ограничения

4-битная квантизация ухудшает качество распознавания примерно на 6 процентных пунктов WER относительно fp32; сильнее всего затронуты хинди и американский английский. Автор не рекомендует этот вариант для производственной транскрибации, если важна максимальная точность.

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

Nemotron-3.5 ASR Streaming 0.6B — MLX 4bit

INT4 quantized (mlx.nn.quantize(group_size=64, bits=4)) port of NVIDIA's Nemotron-3.5 streaming ASR for Apple Silicon. Smallest on-disk + lowest streaming RSS of any variant. Costs ~6 pp avg WER vs fp32; Hindi and English en_us are most affected.

Model

Parameters600 M (4 bit weights, group=64)
ArchitectureFastConformer-CacheAware-RNN-T with language-conditioning prompt kernel
Languages40
Sample rate16 kHz mono
Streaming chunk320 ms
On-disk size473 MB

Files

FileSizeDescription
model.safetensors473 MB4 bit grouped-quantized weights
vocab.json100 KBid → SentencePiece piece
lang2slot.json2 KBLanguage tag → prompt slot
config.json<1 KBQuantization config + arch/streaming geometry

Performance

M5 Pro (Apple Silicon GPU), 50 samples per language from FLEURS test.

Accuracy

langWER %CER %Δ WER vs fp32 source
en_us15.988.69+6.65
de_de14.966.43+4.74
fr_fr15.855.98+4.72
ar_eg20.885.61+7.61
hi_in8.136.52+2.87
ja_jp19.5612.89+2.59

Recommendation: ship 4bit only when the accuracy hit is acceptable (on-device assistants, transcription-as-hint). Use 8bit or CoreML INT8 for production transcription.

Streaming throughput + memory

metricvalue
RTF (encode + decode)0.041
p50 chunk latency12.8 ms
p99 chunk latency15.6 ms
RSS post-load270 MB (mmap)
RSS peak (mid-stream)747 MB

This is the lowest absolute streaming peak of all measured variants — 40 % below CoreML INT8 (1238 MB).

Usage

Python / MLX

from huggingface_hub import snapshot_download
bundle = snapshot_download("aufklarer/Nemotron-3.5-ASR-Streaming-0.6B-MLX-4bit")
# Load + assemble like bf16 sibling.

Swift (speech-swift)

The speech-swift SDK ships the CoreML INT8 variant. If you specifically need the lowest peak RSS (~750 MB) and can accept ~6 pp higher WER, you'd need to wire this MLX 4bit bundle via mlx-swift; otherwise the CoreML INT8 wrapper is recommended.

CLI

brew install soniqo/tap/speech
# CLI defaults to the CoreML INT8 bundle (--engine nemotron); MLX variants
# are loaded via the Python pipeline above.
speech transcribe recording.wav --engine nemotron --language en-US

Source

Upstream: nvidia/nemotron-3.5-asr-streaming-0.6b.

Links

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
22e987e

0 моделей