/ Модель

Характеристики

Лицензия
Своя лицензия
Архитектура
parakeet_ctc · dense
Базовая модель
parakeet-ctc-0.6b-Vietnamese
Библиотека
transformers
Опубликована
20 авг 2026

parakeet-ctc-0.6b-vietnamese-bf16

Распознавание речиАудио → текст6 профессий

Модель Parakeet CTC 0.6B Vietnamese распознаёт вьетнамскую речь и преобразует аудио в текст.

275скачиваний за 30 дней0лайковвеса обновлены20 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

giangndm выпустил совместимое с Transformers представление модели NVIDIA Parakeet CTC 0.6B Vietnamese в формате BF16. Это модель распознавания речи с архитектурой ParakeetForCTC на основе FastConformer; она принимает аудио и преобразует его в текст на вьетнамском языке. В репозитории также находятся процессор и токенизатор, а для загрузки весов используется файл safetensors без необходимости выполнять удалённый код.

Модель предназначена для транскрибирования вьетнамской речи. Её можно применять для получения текста из аудиозаписей и обработки речевых сигналов через Transformers. Представление BF16 является конверсией исходного чекпойнта и не заявляет об изменении качества распознавания. Применяются лицензия и ограничения использования исходной модели NVIDIA; в метаданных лицензия обозначена как other.

Сценарии применения

  • транскрибирование записей на вьетнамском языке
  • распознавание вьетнамской речи в аудиофайлах
  • получение текстовой расшифровки речевых сигналов

Ограничения

Качество распознавания не оценивается в карточке; BF16-конверсия не заявляет улучшения относительно исходной модели. Лицензия и ограничения использования наследуются от исходного чекпойнта NVIDIA.

Для каких профессий подходит6

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

Parakeet CTC 0.6B Vietnamese (BF16)

Transformers-compatible BF16 conversion of NVIDIA's NeMo checkpoint nvidia/parakeet-ctc-0.6b-Vietnamese. It contains a ParakeetForCTC model, its processor/tokenizer, and one model.safetensors file. It does not use remote code.

The source model's license and use restrictions apply. This conversion does not make any claim of changed ASR quality.

CTC recognition

import torch
from transformers import AutoModelForCTC, AutoProcessor

repo_id = "giangndm/parakeet-ctc-0.6b-vietnamese-bf16"
processor = AutoProcessor.from_pretrained(repo_id)
model = AutoModelForCTC.from_pretrained(repo_id, dtype=torch.bfloat16).cuda().eval()

inputs = processor(waveform_16khz, sampling_rate=16_000, return_tensors="pt")
inputs = inputs.to("cuda", dtype=torch.bfloat16)
with torch.inference_mode():
    token_ids = model.generate(**inputs)
print(processor.decode(token_ids[0]))

Encoder features

import torch
from transformers import AutoProcessor, ParakeetEncoder

processor = AutoProcessor.from_pretrained(repo_id)
encoder = ParakeetEncoder.from_pretrained(repo_id, dtype=torch.bfloat16).cuda().eval()
inputs = processor(waveform_16khz, sampling_rate=16_000, return_tensors="pt")
inputs = inputs.to("cuda", dtype=torch.bfloat16)
with torch.inference_mode():
    output = encoder(**inputs)

features = output.last_hidden_state
frame_mask = output.attention_mask

The encoder consumes 80-bin log-mel features made by ParakeetFeatureExtractor and emits 1024-dimensional hidden states after 8x time subsampling.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
ParakeetForCTC
Ревизия весов
4b65bc1

0 моделей