Характеристики

Лицензия: CC BY 4.0
Архитектура: nemo-conformer-tdt · dense
Базовая модель: parakeet-tdt-0.6b-v3
Опубликована: 16 авг 2025

Ссылки

Hugging Face

parakeet-tdt-0.6b-v3-onnx

istupakov

Распознавание речиАудио → текст6 профессий

ONNX-конверсия мультиязычной модели автоматического распознавания речи NVIDIA Parakeet TDT 0.6B V3.

74 638скачиваний за 30 дней70лайковвеса обновлены17 фев 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

Исходную модель разработала NVIDIA, а конверсию для ONNX и интеграцию с библиотекой onnx-asr подготовил istupakov. Модель предназначена для преобразования речи из аудиофайлов в текст и может использоваться в приложениях транскрибации и других сценариях ASR.

Модель имеет размер 0,6 млрд параметров и работает с аудио на входе, возвращая распознанный текст. В README заявлена поддержка английского, испанского, французского, немецкого, болгарского, хорватского, чешского, датского, нидерландского, эстонского, финского, греческого, венгерского, итальянского, латышского, литовского, мальтийского, польского, португальского, румынского, словацкого, словенского, шведского, русского и украинского языков. Формат ONNX позволяет использовать модель через onnx-asr, в том числе с CPU.

К сильным сторонам относятся мультиязычность и возможность запуска в ONNX-совместимой инфраструктуре. README не содержит сведений о точности, ограничениях по длительности аудио, требованиях к ресурсам или поддерживаемых форматах помимо примера с WAV-файлом. Модель распространяется по лицензии CC BY 4.0.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

NVIDIA Parakeet TDT 0.6B V3 (Multilingual) model converted to ONNX format for onnx-asr.

Install onnx-asr

pip install onnx-asr[cpu,hub]

Load Parakeet TDT model and recognize wav file

import onnx_asr
model = onnx_asr.load_model("nemo-parakeet-tdt-0.6b-v3")
print(model.recognize("test.wav"))

Code for models export

import nemo.collections.asr as nemo_asr
from pathlib import Path

model = nemo_asr.models.ASRModel.from_pretrained("nvidia/parakeet-tdt-0.6b-v3")

onnx_dir = Path("nemo-onnx")
onnx_dir.mkdir(exist_ok=True)
model.export(str(Path(onnx_dir, "model.onnx")))

with Path(onnx_dir, "vocab.txt").open("wt") as f:
    for i, token in enumerate([*model.tokenizer.vocab, "<blk>"]):
        f.write(f"{token} {i}\n")

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Не удалось определить, чем загружать веса модели (нет library_name и architectures).

Ревизия весов: 8f23f0c