/ Модель

Характеристики

Лицензия
CC BY 4.0
Базовая модель
parakeet-tdt-0.6b-v3
Библиотека
mlx
Опубликована
8 мар 2026

parakeet-tdt-0.6b-v3-int8

Распознавание речиАудио → текст10 профессий

Квантованная до INT8 модель для быстрого распознавания речи и транскрибации аудио в текст.

254скачиваний за 30 дней2лайкавеса обновлены8 мар 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

Parakeet TDT 0.6B v3 INT8 — модель распознавания речи, подготовленная Sonic Speech на основе модели NVIDIA Parakeet TDT v3 и предназначенная для запуска через MLX, в том числе на компьютерах Apple Silicon. Она преобразует аудио в текст и подходит для транскрибации записей и речи.

Сценарии применения

  • транскрибация аудиозаписей
  • распознавание речи в подкастах и интервью
  • преобразование устной речи в текст на английском языке

Ограничения

В README приведены результаты WER для LibriSpeech и TED-LIUM; качество на других наборах данных и языках не описано. Производительность и сравнение скорости указаны для Apple M3 Max с MLX.

Для каких профессий подходит10

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

Parakeet TDT 0.6B v3 (MLX, Encoder INT8)

NVIDIA Parakeet TDT v3 with encoder-only INT8 quantization — the recommended variant for most users. Zero WER degradation, 30% faster, 58% less memory than BF16.

See also:

Why INT8?

MetricBF16INT8Change
WER (LibriSpeech)0.82%0.82%None
WER (TED-LIUM)15.1%15.1%None
RTFx73x95x+30%
Peak Memory3,002 MB1,268 MB-58%
Weight Size1,254 MB755 MB-40%

Benchmarked on Apple M3 Max (64 GB), macOS Sequoia 15.7.3, MLX 0.30.4.

Quantization Details

Only the Conformer encoder (~85% of parameters) is quantized to INT8 (group_size=64). The decoder and joint network remain in BF16, preserving precision for token generation.

Usage

from parakeet import from_pretrained
import mlx.core as mx

model = from_pretrained("sonic-speech/parakeet-tdt-0.6b-v3-int8", dtype=mx.bfloat16)
result = model.transcribe("audio.wav")

Install: pip install parakeet-mlx

Origin

Quantized from sonic-speech/parakeet-tdt-0.6b-v3 using mlx.nn.quantize (encoder-only, 8-bit, group_size=64).

Part of the Sonic Speech model collection.

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
6d2686d

0 моделей