/ Модель

Характеристики

Лицензия
CC BY 4.0
Базовая модель
parakeet-tdt-1.1b
Библиотека
ggml
Опубликована
20 мая 2026

parakeet-tdt-1.1b-GGUF

Распознавание речиАудио → текст4 профессии

Parakeet TDT 1.1B GGUF — это преобразованная в формат GGUF и количественно сжатая версия модели automatic speech recognition nvidia/parakeet-tdt-1.1b.

1 497скачиваний за 30 дней0лайковвеса обновлены2 авг 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

Оригинальную модель разработала команда NVIDIA NeMo, а конвертацию и поддержку запуска через ggml-совместимый CrispASR выполнил CrispStrobe. Репозиторий содержит варианты F16, Q8_0 и Q4_K; последний рекомендован как вариант по умолчанию и занимает около 808 МБ.

Модель предназначена для транскрибации англоязычной речи из монофонического аудио с частотой 16 кГц, включая обработку длинных фрагментов и распознавание редкой или специализированной английской лексики. Она использует 42-слойный FastConformer-энкодер примерно на 1,1 млрд параметров, 2-слойный LSTM-предиктор и TDT-декодер с пятью длительностями. Поддерживаются встроенные временные метки на уровне слов и английский словарь из 1024 SentencePiece-токенов.

Сильными сторонами являются высокое качество распознавания английской речи, особенно для редкой лексики, встроенные временные метки и несколько вариантов квантования с компромиссом между размером и точностью. Ограничения — поддержка только английского языка, вывод в нижнем регистре без пунктуации и более высокие вычислительные требования по сравнению с версией 0.6B; для восстановления регистра и пунктуации нужен отдельный постпроцессор. Модель распространяется по лицензии CC-BY-4.0.

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 1.1B — GGUF (ggml-quantised)

GGUF / ggml conversions of nvidia/parakeet-tdt-1.1b for use with the crispasr CLI from CrispStrobe/CrispASR.

The larger Parakeet TDT — 1.1 B parameters, 42-layer FastConformer encoder. The biggest pure-English TDT variant in the family. Pick this when you want maximum WER quality on long-tail English vocabulary and don't mind paying 2× the compute relative to 0.6 B.

  • English-only, lowercase output without punctuation
  • Built-in word-level timestamps from the TDT decoder
  • CC-BY-4.0 licence

This repo provides three quantisations, all converted from the same .nemo checkpoint via the convert-parakeet-to-gguf.py script and quantised with crispasr-quantize.

Files

FileSizeNotes
parakeet-tdt-1.1b.gguf2.14 GBF16, full precision
parakeet-tdt-1.1b-q8_0.gguf1.27 GBQ8_0, near-lossless
parakeet-tdt-1.1b-q4_k.gguf808 MBQ4_K — recommended default

Smoke test on samples/jfk.wav (11 s clip, M1 Metal):

QuantTimeRealtimeOutput
F160.68 s16.1×"and so my fellow americans ask not what your country can do for you ask what you can do for your country"
Q8_00.67 s16.4×(identical)
Q4_K0.69 s16.0×(identical)

Output is lowercase, no punctuation by design — the upstream vocab is lowercase-only. If you need proper casing/punctuation, pipe the output through a punctuation-restoration post-processor (--punc-model fullstop-punc or fireredpunc).

Quick Start

# 1. Build the runtime
git clone https://github.com/CrispStrobe/CrispASR
cd CrispASR
cmake -B build -DCMAKE_BUILD_TYPE=Release
cmake --build build -j$(nproc) --target crispasr

# 2a. Auto-download via the registry key
./build/bin/crispasr -m parakeet-tdt-1.1b --auto-download -f your-audio.wav

# 2b. Or explicit download + load
hf download cstr/parakeet-tdt-1.1b-GGUF \
    parakeet-tdt-1.1b-q4_k.gguf --local-dir .
./build/bin/crispasr -m parakeet-tdt-1.1b-q4_k.gguf -f your-audio.wav

# 2c. Lowercase output → add punctuation
./build/bin/crispasr -m parakeet-tdt-1.1b --punc-model fullstop-punc -f your-audio.wav

When to pick this over the other Parakeet variants

ScenarioPick
English, long-tail vocab, fine with 2× computetdt-1.1b (this repo)
English, best WER per FLOP, mixed-case outputcstr/parakeet-tdt-0.6b-v2-GGUF
Multilingual (25 EU languages)cstr/parakeet-tdt-0.6b-v3-GGUF
Tight RAM, Englishcstr/parakeet-tdt_ctc-110m-GGUF
English 1.1B with proper casing/punct in outputcstr/parakeet-tdt_ctc-1.1b-GGUF

Model architecture

ComponentDetails
Encoder42-layer FastConformer, d=1024, 8 heads, head_dim=128, FFN=4096, conv kernel=9
SubsamplingConv2d dw_striding stack, 8× temporal (100 → 12.5 fps)
Predictor2-layer LSTM, hidden 640
Joint headenc(1024 → 640) + pred(640 → 640) → ReLU → linear(640 → 1029) — TDT, 5 durations
Vocab1024 SentencePiece tokens (English, lowercase) + blank
Audio16 kHz mono, 80 mel bins, n_fft=512, hop=160, win=400
Parameters~1.1 B

42 layers vs 24 for 0.6b — same encoder design, just deeper.

Attribution

License

CC-BY-4.0, inherited from the base model.

Provenance and EU AI Act Art. 53 note

  • Upstream model: nvidia/parakeet-tdt-1.1b — published by nvidia.
  • Upstream licence: cc-by-4.0. This repository redistributes under the same terms; it grants no rights the upstream licence does not.
  • What was done here: format conversion and/or quantisation only (GGUF/GGML). No training, no fine-tuning, no merging, no distillation, no change to architecture, vocabulary or capability. Only the numeric representation of the upstream weights differs.
  • Training data: documented — where it is documented at all — by the upstream provider; see the upstream model card. No training data was used, added or selected by this repository.
  • Provider status: under Regulation (EU) 2024/1689 the upstream authors remain the provider of this model. Converting the serialisation format does not make this repository the provider of a new general-purpose AI model, and no such claim is made. Questions about training content, copyright policy or model capability belong upstream.

Как запустить

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

GPU в ailist

Универсальный рантайм · ggml

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов
1eeefb7

0 моделей