/ Модель

Характеристики

Лицензия
openmdw-1.1
Архитектура
nemotron_streaming_rnnt_mlx · dense
Базовая модель
nemotron-3.5-asr-streaming-0.6b
Библиотека
mlx
Опубликована
4 июн 2026

Nemotron-3.5-ASR-Streaming-0.6B-MLX-8bit

Распознавание речиАудио → текст5 профессий

Потоковая многоязычная модель NVIDIA для распознавания речи в текст на устройствах Apple silicon с использованием MLX.

139скачиваний за 30 дней4лайкавеса обновлены24 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

Nemotron-3.5 ASR Streaming 0.6B MLX INT8 — конвертированная в нативный формат MLX версия потоковой модели распознавания речи NVIDIA на основе cache-aware FastConformer и prompt-conditioned RNN-T. Модель содержит 0,6 млрд параметров; линейные веса квантованы до 8 бит, рекуррентное состояние хранится в BF16, а свёрточные слои, эмбеддинги, LSTM и слои языковых подсказок не квантованы. Репозиторий использует safetensors и библиотеку MLX, рассчитан на потоковый запуск на Apple silicon; аудио подаётся в формате моно, 16 кГц.

Модель предназначена для многоязычного преобразования речи в текст с низкой задержкой, включая обработку аудиопотока частями. По карточке поддерживаются десятки языков, в том числе русский, английский, испанский, немецкий, французский, китайский и японский. Приведённые тесты на FLEURS показывают результаты для шести языковых срезов, а не для всего заявленного списка языков.

Ограничения: модель выполняет только ASR, не поддерживает диаризацию и идентификацию говорящих. Язык задаётся явно или через слот auto; промежуточный текст может быть неполным и требует замены при получении следующих фрагментов. Для MLX-версии не реализован дополнительный слой усиления слов из Core ML runtime. Лицензия репозитория — OpenMDW-1.1.

Сценарии применения

  • потоковая расшифровка речи на устройстве Apple silicon
  • распознавание речи в аудиопотоке с низкой задержкой
  • транскрибация монофонических аудиозаписей с частотой 16 кГц
  • многоязычная расшифровка речи, включая русский язык

Ограничения

Модель не выполняет диаризацию или идентификацию говорящих; промежуточные фрагменты распознавания могут быть неполными, а языковое условие нужно задавать явно либо использовать слот auto. Версия MLX рассчитана на Apple silicon и не включает дополнительный слой усиления слов из Core ML runtime.

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 INT8

Cache-aware multilingual Conformer + RNN-T speech recognition from NVIDIA, converted to native MLX for streaming inference on Apple silicon. This bundle uses affine group-64 8-bit linear weights, BF16 recurrent state, and unquantized convolution, embedding, LSTM, and language-prompt layers.

Model

Parameters0.6B
ArchitectureCache-aware FastConformer + prompt-conditioned RNN-T
Sample rate16 kHz mono
Streaming chunk320 ms
Encoder frame rate80 ms
Attention left context56 frames (4.48 s)
Vocabulary13,087 SentencePiece tokens + blank
QuantizationMLX affine group-64 8-bit linear weights
On-disk size732.6 MB

Files

FileSizeDescription
model.safetensors732.1 MBMLX model weights
config.json1.7 KBStrict runtime and streaming geometry
vocab.json100.9 KBOrdered SentencePiece vocabulary
languages.json2.0 KBWrapped language-to-prompt-slot mapping
lang2slot.json1.7 KBFlat compatibility language mapping
tokenizer.model397.0 KBOriginal SentencePiece model
speech_models_export.json1.3 KBPinned source and export artifact hashes
checksums.jsongeneratedSHA-256 for every published file

Streaming accuracy

FLEURS test, 50 samples per language, cache-aware 320 ms streaming. English uses Whisper's EnglishTextNormalizer; German, French, and Arabic use BasicTextNormalizer; Hindi and Japanese use BasicTextNormalizer(split_letters=True).

LanguageWER %CER %RTF
en-US8.983.960.0444
de-DE10.595.730.0439
fr-FR11.834.660.0451
ar13.373.770.0481
hi-IN4.283.500.0547
ja-JP17.0111.420.0559

Mean WER across these six slices is 11.01% and mean CER is 5.50%.

Streaming performance

M5 Pro with 48 GB unified memory, one fresh Python process, 63.7 seconds of concatenated FLEURS English audio, 199 × 320 ms chunks:

metricvalue
Real-time factor0.0485
p50 chunk latency14.3 ms
p95 chunk latency16.2 ms
p99 chunk latency18.9 ms
RSS after lazy weight load196 MB
Peak RSS during streaming992 MB

The post-load value reflects MLX's lazy memory mapping; peak RSS is the useful resident-memory figure after inference touches the weights.

Swift usage

The native runtime is in NemotronStreamingASR.

import NemotronStreamingASR

let model = try await NemotronStreamingASRMLXModel.fromPretrained(
    variant: .int8
)
let session = try model.createSession(language: "en-US")

for pcm320ms in audioChunks {
    for partial in try session.pushAudio(pcm320ms) {
        print(partial.text)
    }
}

for final in try session.finalize() {
    print(final.text)
}

Sessions retain the mel, attention, convolution, and RNN-T predictor caches. Model calls are serialized so multiple source-local sessions can safely share one loaded weight set.

Python reference runtime

The reproducible exporter, cache-aware runtime, tests, and benchmarks live in speech-models/models/nemotron-asr-streaming-multilingual/export.

hf download aufklarer/Nemotron-3.5-ASR-Streaming-0.6B-MLX-8bit --local-dir ./nemotron-mlx

python streaming.py \
  --bundle ./nemotron-mlx \
  --wav recording.wav \
  --lang en-US \
  --chunk-ms 320 \
  --print-partials

--print-partials prints cumulative text whenever a chunk adds visible tokens. Both reference runtimes remove angle-bracket language markers such as <en-US> from user-facing text.

Choosing a precision

INT5 minimizes resident memory; INT8 preserves more quantization headroom. Benchmark both on domain audio before deployment.

Limitations

  • This is ASR only. It does not perform speaker diarization or speaker identification.
  • Language conditioning is explicit. Pass a supported BCP-47 language tag or use the bundle's auto slot.
  • Partial text is provisional and may end mid-word. Applications should replace the previous partial until the caller finalizes the utterance.
  • The native MLX path does not currently implement the Core ML runtime's optional word-boosting layer.
  • The runtime is intended for Apple silicon and requires the MLX Metal shader library to be packaged with the executable.

Provenance

Upstream repositorynvidia/nemotron-3.5-asr-streaming-0.6b
Upstream revisionf3d333391852ba876df169dcc9ba902d25b6ab0b
Upstream .nemo SHA-256210214ed94039bf6bfbb9a047c7fa289628db75b103e2bf6381fa78285436a74
Export manifestspeech_models_export.json
Artifact checksumschecksums.json

License

Distributed under OpenMDW 1.1, matching the upstream NVIDIA model. Review the upstream model card and license before deployment.

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.

Класс архитектуры
NemotronStreamingRNNTForSpeechRecognition
Ревизия весов
5339193

0 моделей