/ Модель

Характеристики

Лицензия
CC BY 4.0
Базовая модель
parakeet-tdt_ctc-0.6b-ja
Библиотека
mlx
Опубликована
14 июл 2026

parakeet-tdt_ctc-0.6b-ja-bf16

Распознавание речиАудио → текст4 профессии

Модель Parakeet на базе FastConformer TDT-CTC распознаёт японскую речь и преобразует её в текст на устройствах Apple.

9скачиваний за 30 дней0лайковвеса обновлены14 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 версия модели NVIDIA Parakeet для автоматического распознавания японской речи и преобразования её в текст. Чекпойнт основан на mlx-community/parakeet-tdt_ctc-0.6b-ja и подготовлен для запуска через MLX на устройствах Apple, включая iPhone и компьютеры Mac с Apple Silicon. В основе — гибридная архитектура FastConformer TDT-CTC; размер модели составляет 0,6 млрд параметров.

Веса заранее приведены к формату bfloat16. Это уменьшает размер файлов примерно с 2,49 до 1,25 ГБ и снижает пиковую память при загрузке по сравнению с преобразованием из fp32 во время запуска; по README, изменение типа данных не меняет поведение модели при выводе. Модель предназначена для распознавания японской речи на устройстве. Она распространяется по лицензии CC-BY-4.0 с указанием авторства NVIDIA и mlx-community.

Сценарии применения

  • транскрибация японской речи на iPhone
  • распознавание японской речи на Mac с Apple Silicon
  • преобразование японских аудиозаписей в текст

Ограничения

Предназначена для японской речи; для запуска через MLX требуются подходящие устройства Apple и совместимое программное обеспечение. Чекпойнт занимает около 1,25 ГБ.

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_ctc-0.6b-ja-bf16

bfloat16 pre-cast of mlx-community/parakeet-tdt_ctc-0.6b-ja (Japanese ASR, Hybrid FastConformer TDT-CTC 0.6B), optimized for on-device inference on iPhone and Apple Silicon Macs.

~1.25 GB — compared to ~2.49 GB for the fp32 upstream conversion.

Why bf16 (modification notice)

MLX runtimes (e.g. mlx-audio-swift ParakeetModel) run this model in bfloat16 by default. Loading the fp32 checkpoint forces an fp32→bf16 cast at load time, during which both copies coexist in memory (peak ≈ 3.7 GB) — a real problem on 8 GB iPhones. With this pre-cast checkpoint the cast is a no-op: download size and load-time peak memory are both halved, with no change in inference behavior.

  • Converted with MLX (mlx.core): all float32 / float16 tensors cast to bfloat16; non-float tensors passed through unchanged.
  • No re-quantization, pruning, or weight modification beyond the dtype cast.
  • Files: config.json (unchanged; vocabulary is embedded), model.safetensors (bf16), vocab.txt (unchanged copy for drop-in compatibility).

Attribution

The original parakeet-tdt_ctc-0.6b-ja model is developed by NVIDIA (trained on ReazonSpeech) and released under CC-BY-4.0. The MLX conversion this checkpoint derives from is by mlx-community. This repository redistributes a bf16 derivative under the same CC-BY-4.0 license.

Usage (mlx-audio-swift)

let model = try await ParakeetModel.fromPretrained("mouri45/parakeet-tdt_ctc-0.6b-ja-bf16")

Created as part of the PerchAgent project (Issue0023).

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
4f8f02b

0 моделей