/ Модель

Характеристики

Лицензия
CC BY 4.0
Базовая модель
parakeet-tdt-0.6b-v2
Опубликована
9 июл 2026

parakeet-tdt-0.6b-v2-mlx-6bit

Распознавание речиАудио → текст4 профессии

6-битная MLX-версия NVIDIA Parakeet TDT 0.6B v2 для локальной транскрибации речи на английском языке.

12скачиваний 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

Это 6-битная MLX-квантизованная версия англоязычной модели распознавания речи NVIDIA Parakeet TDT 0.6B v2, подготовленная Spoke для локальной диктовки. Модель преобразует аудио в текст и предназначена для транскрибации речи; в тесте LibriSpeech test-clean на 250 примерах на M4 указана WER 1,87%, такая же, как у версии bf16.

Квантизация затрагивает слои nn.Linear и nn.Embedding с размером группы 64; Conv1d, BatchNorm и LSTM предсказателя TDT остаются в bf16. В README также указаны скорость обработки 0,022 RTF и пиковое потребление памяти MLX 1,13 ГБ. Для загрузки нужно сначала квантизовать дерево модулей, поэтому стандартный вызов parakeet_mlx.from_pretrained сам по себе не загрузит этот чекпойнт. Лицензия — CC BY 4.0.

Сценарии применения

  • локальная транскрибация английской речи
  • диктовка текста на компьютере Mac с MLX
  • преобразование записанной речи в текст
  • быстрая расшифровка аудио на Apple Silicon

Ограничения

Модель предназначена только для английской речи. Для загрузки требуется предварительно квантизовать дерево модулей; одного вызова parakeet_mlx.from_pretrained недостаточно.

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 0.6b v2, MLX 6-bit

6-bit MLX quantization of nvidia/parakeet-tdt-0.6b-v2, built from mlx-community/parakeet-tdt-0.6b-v2 via mlx.nn.quantize(bits=6, group_size=64) (nn.Linear and nn.Embedding only; Conv1d, BatchNorm, and the TDT prediction LSTM stay bf16). English-only.

Benchmarks (LibriSpeech test-clean, 250 samples, M4): WER 1.87% (identical to bf16), RTF 0.022, peak MLX memory 1.13 GB.

Loading requires quantizing the module tree before loading weights; parakeet_mlx.from_pretrained alone will not load this checkpoint:

import json, mlx.nn as nn
from parakeet_mlx.utils import from_config

model = from_config(json.load(open("config.json")))
nn.quantize(model, group_size=64, bits=6)
model.load_weights("model.safetensors")

mel_filters.npy is the precomputed slaney mel filterbank (librosa.filters.mel(sr=16000, n_fft=512, n_mels=128, fmin=0, fmax=8000, norm="slaney")), shipped so inference environments can stub librosa out entirely.

Quantized for Spoke local dictation.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов
bb14d7a

0 моделей