/ Модель

Характеристики

Лицензия
CC BY 4.0
Базовая модель
parakeet-tdt-0.6b-v2
Библиотека
mlx
Опубликована
12 июл 2026

parakeet-tdt-0.6b-v2-mlx-8bit

Распознавание речиАудио → текст4 профессии

8-битная версия Parakeet TDT 0.6B v2 в формате MLX для локальной транскрибации английской речи на компьютерах Apple Silicon.

14скачиваний за 30 дней0лайковвеса обновлены12 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

Это 8-битная версия модели NVIDIA Parakeet TDT 0.6B v2 в формате MLX, подготовленная CosmicFusion Labs для приложения диктовки WhisperBud на macOS. Она предназначена для автоматической транскрибации английской речи в текст на устройствах Apple Silicon.

Модель использует архитектуру Parakeet TDT с 0,6 млрд параметров и принимает аудио, выдавая текстовую расшифровку. По данным разработчика, квантизация MLX с 8-битными весами сокращает размер загрузки с 2472 до 933 МБ и ускоряет загрузку модели; транскрипты совпадали с результатами того же 8-битного пути квантизации при загрузке. В собственном тесте авторов средний WER составил 11,6% на англоязычной речи; модель работала в 2–4 раза быстрее Whisper medium.en на M1 Pro.

Модель рассчитана на локальную диктовку и транскрибацию речи на Apple Silicon. Она поддерживает английский язык; подтверждений поддержки других языков нет. Лицензия — Creative Commons Attribution 4.0 (CC BY 4.0).

Сценарии применения

  • локальная диктовка на macOS
  • транскрибация англоязычных записей и голосовых заметок
  • преобразование английской речи в текст на Apple Silicon

Ограничения

Модель ориентирована на английскую речь и подготовлена для MLX на Apple Silicon; README не подтверждает поддержку других языков или платформ. WER 11,6% приведён по собственному тесту авторов на реальных англоязычных записях и может отличаться на других данных.

Для каких профессий подходит4

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

parakeet-tdt-0.6b-v2-mlx-8bit

8-bit quantized MLX weights for NVIDIA Parakeet TDT 0.6B v2, ready to load on Apple Silicon without any quantization step at runtime.

Published by CosmicFusion Labs for WhisperBud, an on-device dictation app for macOS.

Why this exists

The upstream MLX weights (mlx-community/parakeet-tdt-0.6b-v2) are full precision: 2,472 MB to download, then quantized on each machine at load time. These weights are the result of that same quantization (mlx.nn.quantize, bits=8, group_size=64), saved once:

upstreamthis repo
download2,472 MB933 MB
model load~1.7 s~0.05 s
transcription outputreferenceidentical

Verified byte-identical transcripts against the quantize-at-load path on real speech clips (English, 5 to 45 seconds).

Usage

parakeet_mlx.from_pretrained() does NOT load quantized weights: it builds a full-precision model and loads the tensors into it. Build the quantized structure first, then load:

import json
import mlx.nn as nn
from huggingface_hub import hf_hub_download
from parakeet_mlx.utils import from_config

repo = "cosmicfusionlabs/parakeet-tdt-0.6b-v2-mlx-8bit"
config = json.load(open(hf_hub_download(repo, "config.json")))
quant = config.pop("quantization")            # {"bits": 8, "group_size": 64}

model = from_config(config)
nn.quantize(model, bits=quant["bits"], group_size=quant["group_size"])
model.load_weights(hf_hub_download(repo, "model.safetensors"))
model.eval()

result = model.transcribe("audio.wav")
print(result.text)

Accuracy

Same weights as quantizing the upstream model at load time, so accuracy is unchanged from the 8-bit path. In our own benchmark on real (non-synthetic) English speech, 8-bit Parakeet TDT 0.6B v2 measured 11.6% mean WER, between whisper-small.en (13.5%) and whisper-medium.en (8.2%), while running 2 to 4x faster than medium.en on an M1 Pro. 4-bit was measured too and degraded accuracy (13.3% WER), which is why this repo ships 8-bit.

Credits and license

Released under CC-BY-4.0, the same license as the original NVIDIA model.

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
6a7f872

0 моделей