/ Модель

Характеристики

Лицензия
Своя лицензия
Архитектура
nemotron_asr · dense
Базовая модель
nemotron-3.5-asr-streaming-0.6b
Библиотека
mlx-audio
Опубликована
4 июн 2026

nemotron-3.5-asr-streaming-0.6b

Распознавание речиАудио → текст5 профессий

Потоковая модель NVIDIA Nemotron 3.5 на базе FastConformer-RNNT для транскрипции речи на 40 языковых локалях с пунктуацией и заглавными буквами.

1 335скачиваний за 30 дней17лайковвеса обновлены5 июн 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 преобразованная сообществом mlx-community версия NVIDIA Nemotron 3.5 ASR Streaming — модели распознавания речи с архитектурой FastConformer-RNNT и примерно 600 млн параметров. Веса представлены в формате bfloat16; библиотека запуска — mlx-audio.

Модель преобразует аудио в текст и рассчитана на потоковую транскрипцию. Она использует подсказку с идентификатором языка, поддерживает 40 языковых локалей, а распознанный текст оформляет с пунктуацией и заглавными буквами. Параметр размера контекста позволяет выбирать компромисс между задержкой и использованием будущего аудиоконтекста; конфигурация [56,13] рекомендована в README для наилучшей точности в офлайн-режиме.

README указывает на оригинальную модель NVIDIA и её карточку как источник сведений об архитектуре и назначении. Репозиторий содержит конверсию весов в MLX, а не отдельное дообучение. Лицензия в метаданных обозначена как other, поэтому конкретные условия следует сверять с карточкой оригинальной модели и репозитория.

Сценарии применения

  • потоковая транскрипция аудио в текст
  • распознавание речи с указанием языка
  • создание расшифровок с пунктуацией и заглавными буквами

Ограничения

Для работы требуется mlx-audio с поддержкой Nemotron ASR; на момент README нужная версия была доступна из GitHub, но ещё не выпущена в PyPI. Указанные в карточке 40 языковых локалей не перечислены полностью в доступных данных.

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

mlx-community/nemotron-3.5-asr-streaming-0.6b

MLX conversion of nvidia/nemotron-3.5-asr-streaming-0.6b — NVIDIA's 600M-parameter cache-aware streaming FastConformer-RNNT ASR with language-ID prompt conditioning, covering 40 language-locales with punctuation and capitalization.

This repo: weights are bfloat16 (full quality, recommended default).

See the original model card for architecture, benchmarks, and intended use.

Install

This model needs mlx-audio with Nemotron ASR support. It's merged into main but not in a PyPI release yet (latest is 0.4.3), so for now install from GitHub:

pip install "git+https://github.com/Blaizzy/mlx-audio.git"

(Once the next release ships, pip install -U mlx-audio will work.)

Use

from mlx_audio.stt import load

model = load("mlx-community/nemotron-3.5-asr-streaming-0.6b")

# auto language detection (default)
print(model.generate("speech.wav").text)

# force a language via its prompt key (en-US, es-ES, zh-CN, fr-FR, ...)
print(model.generate("speech.wav", language="en-US").text)

CLI:

python -m mlx_audio.stt.generate --model mlx-community/nemotron-3.5-asr-streaming-0.6b --audio speech.wav --format txt

generate(..., att_context_size=[left, right]) selects a trained look-ahead ([56,3], [56,0], [56,6], [56,13]); the default [56,13] gives the best offline accuracy.

Available MLX formats

RepoNotes
mlx-community/nemotron-3.5-asr-streaming-0.6bfull quality (bf16)
mlx-community/nemotron-3.5-asr-streaming-0.6b-8bit8-bit, matches bf16

License & attribution

Original model © NVIDIA Corporation, released under the NVIDIA Open Model License. This is a format conversion of those weights; the same license and terms apply. MLX conversion by @ARahim3 via mlx-audio.

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx-audio

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов
e550040

0 моделей