Характеристики

Контекст: 1 024 токена
Лицензия: Своя лицензия
Библиотека: onnxruntime
Опубликована: 9 июл 2026

Ссылки

Hugging Face

navi-voice-nemotron-3.5-asr-streaming-0.6b-onnx

navi-org

Распознавание речиАудио → текст

Потоковая многоязычная модель FastConformer-RNNT для локального распознавания речи и диктовки в NAVI.

0скачиваний за 30 дней0лайковвеса обновлены9 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

NAVI Voice — Nemotron 3.5 ASR Streaming 0.6B — это пакет весов для локального распознавания речи, подготовленный для офлайн-диктовки в NAVI. Модель использует потоковую архитектуру FastConformer-RNNT и запускается через ONNX Runtime; репозиторий содержит веса в формате ONNX INT4 объёмом около 757 МБ.

Модель принимает монофонический звук с частотой 16 кГц и обрабатывает его потоковыми фрагментами по 8960 отсчётов, примерно по 560 мс, с учётом кэша. Она предназначена для преобразования речи в текст при диктовке на локальном устройстве. В карточке указана поддержка многоязычного распознавания, но конкретные языки не перечислены.

Это перепаковка и распространение модели для установки в NAVI, а не новое обучение. Лицензия обозначена как other; README упоминает ограничения по тексту лицензии, но не приводит её условия. Качество распознавания, поддерживаемые языки и требования к вычислительным ресурсам в предоставленных данных не раскрыты.

Сценарии применения

локальная диктовка без отправки аудио в облако
потоковая расшифровка речи в текст
распознавание речи на устройстве через NAVI

Ограничения

Конкретные поддерживаемые языки и показатели качества распознавания в предоставленных данных не перечислены. Условия лицензии с пометкой other нужно сверять с текстом лицензии в репозитории.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

NAVI Voice — Nemotron 3.5 ASR Streaming 0.6B (ONNX INT4)

Packaged weights for local dictation in NAVI.

Engine id: nemotron_streaming
Runtime: ONNX Runtime (ort in Rust)
Sample rate: 16 kHz mono
Chunk: 8960 samples (~560 ms) per genai_config.json
Streaming: yes (cache-aware FastConformer-RNNT)
Size on disk: ~757 MB

Install with NAVI

navi voice init --engine nemotron_streaming
navi voice doctor

Models are stored under {data_dir}/voice/models/ (not inside project worktrees).

Layout

navi-manifest.json          # NAVI install index
LICENSE                     # OpenMDW-1.1
NOTICE                      # Origin / attribution
SHA256SUMS                  # Integrity for init/doctor
genai_config.json           # Streaming graph + I/O names
audio_processor_config.json # Feature extraction params
tokenizer.json / vocab.txt
onnx/
  encoder.onnx[.data]
  decoder.onnx[.data]
  joint.onnx[.data]
  silero_vad.onnx

License

OpenMDW-1.1 — see:

Base model: nvidia/nemotron-3.5-asr-streaming-0.6b.
ONNX INT4 packaging derived from onnx-community/nemotron-3.5-asr-streaming-0.6b-onnx-int4.

If you redistribute these files, retain this license and origin notices.

Notes

This is a redistribution / packaging for NAVI offline install, not a re-train.
Outputs (transcriptions) are not restricted by OpenMDW beyond the license text.
Prefer SHA256SUMS verification after download.

Как запустить

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

GPU в ailist

Универсальный рантайм · onnxruntime

Нельзя запустить

Модель выложена только в формате ONNX.

Ревизия весов: 1c25877