/ Модель

Характеристики

Размер весов
2,5 ГБ
Лицензия
CC BY 4.0
Базовая модель
parakeet-tdt-0.6b-v2
Библиотека
nemo
Опубликована
3 июн 2026

omi-med-stt-v1

Распознавание речиАудио → текст3 профессии

Дообученная англоязычная модель Omi Health для локальной транскрибации медицинской речи в текст.

498скачиваний за 30 дней9лайковвеса обновлены3 сен 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

Omi Med STT v1 — англоязычная модель распознавания речи для медицинских диалогов, разработанная Omi Health на основе NVIDIA Parakeet TDT 0.6B v2. Это дообученная модель класса 0,6 млрд параметров; основной контрольный файл распространяется в формате NeMo .nemo. Она предназначена для локальной транскрибации консультаций врачей общей практики, обсуждений лекарственной терапии, клинической диктовки и речи о процедурах, устройствах и анализах.

Модель принимает аудио и преобразует речь в текст. Её можно запускать локально на NVIDIA CUDA, Apple Silicon и процессорах Linux или Windows; карточка приводит результаты внутреннего медицинского бенчмарка и сравнение с базовой Parakeet v2. Для работы с клиническими записями транскрипты необходимо проверять: модель не предназначена для диагностики, сортировки пациентов, назначения лечения или клинических решений и не прошла клиническую валидацию. Лицензия — CC BY 4.0.

Сценарии применения

  • транскрибация консультаций врача общей практики
  • расшифровка обсуждений лекарств и их пересмотра
  • преобразование клинической диктовки в текст
  • транскрибация речи о процедурах, медицинских устройствах и анализах

Ограничения

Модель поддерживает только английский язык и не прошла клиническую валидацию; транскрипты следует проверять перед клиническим использованием. Она не предназначена для диагностики, сортировки пациентов, назначения лечения или принятия клинических решений.

Для каких профессий подходит3

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

Omi Med STT v1

Omi Med STT v1 is an English medical speech-to-text model for clinical dialogue, built from NVIDIA Parakeet TDT 0.6B v2.

It is designed for local transcription of GP-style consultations, medication review, clinical dictation, and procedure/device/test language. The canonical checkpoint is this NeMo .nemo model. Mac and CPU exports are available in the companion repos below.

Why Use It

  • Open-weight, 0.6B-class medical ASR model
  • Runs locally through the omi-med-stt CLI
  • Stronger medical transcription than base Parakeet v2 in Omi's internal evaluation
  • Runtime options for Apple Silicon, NVIDIA CUDA, and Linux/Windows CPU

Quickstart

Recommended CLI:

pip install -U omi-med-stt
omi-med-stt audio.wav

Apple Silicon:

pip install -U "omi-med-stt[mlx]"
omi-med-stt audio.wav

NVIDIA CUDA / canonical NeMo checkpoint:

pip install -U "omi-med-stt[nemo]"
omi-med-stt audio.wav --runtime nemo

Linux or Windows CPU:

pip install -U omi-med-stt
omi-med-stt install-cpp --cpp-backend cpu
omi-med-stt audio.wav --runtime cpp

Direct NeMo use:

from huggingface_hub import hf_hub_download
import nemo.collections.asr as nemo_asr

nemo_path = hf_hub_download("omi-health/omi-med-stt-v1", filename="omimedstt-v1.nemo")
model = nemo_asr.models.ASRModel.restore_from(nemo_path)
print(model.transcribe(["audio_16k_mono.wav"])[0])

Which Repo Should I Use?

Use caseRepoNotes
Best quality / NVIDIA GPUomi-health/omi-med-stt-v1Canonical NeMo checkpoint
Apple Silicon defaultomi-health/omi-med-stt-v1-mlx-q8Smaller MLX q8 export
Apple Silicon full precisionomi-health/omi-med-stt-v1-mlxLarger MLX export
Linux/Windows CPUomi-health/omi-med-stt-v1-ggufGGUF q8_0 via parakeet.cpp

Evaluation

The public weights are unchanged. These September 2026 results come from the current documented runtime recipes on the same frozen 1,513-clip, 7.18-hour medical benchmark and scorer. No dictionary, custom vocabulary, contextual bias, reference-aware selection, or transcript correction was used.

Runtime artifactPlatformWERM-WERDrug M-WERMedical recall
NeMo canonicalNVIDIA CUDA (L4, BF16)6.54%2.23%4.75%97.77%
MLX q8Apple Silicon (M4 Max)6.65%2.12%4.52%97.88%
GGUF q8_0Linux/Windows CPU7.10%2.16%4.30%97.84%

Lower is better for WER, M-WER, and Drug M-WER; higher is better for medical recall. GPU is the quality and throughput path, MLX q8 is the selected Apple runtime, and CPU is the portable fallback. The CPU row has the lowest observed occurrence counts in this draw, but paired tests do not establish it as clinically better than GPU or MLX.

Compared with the open-model rows on Omi's standing 30-system board, the CUDA and MLX q8 runtimes have the lowest observed WER, while MLX q8 has the second-lowest observed M-WER. These are positions in this benchmark draw, not a universal ranking.

The previous model-card figures were produced by older runtime/scorer paths. The numbers above supersede them as runtime results; they do not represent a new training run or changed model weights.

Notes

  • The model is English-only.
  • The CLI converts audio to 16 kHz mono automatically.
  • The CPU GGUF path is for portability; use MLX or NeMo when available.

Safety

Omi Med STT v1 is speech-to-text only. It is not a diagnostic, triage, prescribing, or clinical decision model, and it is not clinically validated. Transcripts must be reviewed before any clinical use.

License And Attribution

Weights are released under CC-BY-4.0, matching the base model.

Omi Med STT v1 is a derivative of nvidia/parakeet-tdt-0.6b-v2. It is not an NVIDIA model.

Runtime: Omi-Health/omi-med-stt-runtime under MIT.

Built by Omi Health. Related product: Omi Scribe.

Как запустить

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

GPU в ailist

Универсальный рантайм · nemo

Нельзя запустить

Модели NVIDIA NeMo требуют отдельного рантайма.

Ревизия весов
75d3bdf

0 моделей