/ Модель

Характеристики

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

parakeet-tdt-0.6b-v2-mlx-8bit

Распознавание речиАудио → текст3 профессии

8-битная MLX-версия NVIDIA Parakeet TDT 0.6B v2 для локальной транскрибации английской речи.

39скачиваний 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 8-битная MLX-квантизированная версия модели NVIDIA Parakeet TDT 0.6B v2, подготовленная Spoke для локальной диктовки. Модель предназначена для автоматического распознавания английской речи и её транскрибации в текст.

Квантованы слои nn.Linear и nn.Embedding с group_size 64; свёрточные слои, BatchNorm и LSTM предсказателя TDT оставлены в bf16. В тесте LibriSpeech test-clean на 250 примерах для M4 указаны WER 1,91%, RTF 0,024 и пиковое потребление памяти MLX 1,26 ГБ. Для загрузки требуется сначала применить к дереву модулей конфигурацию квантования, затем загрузить веса; одного вызова parakeet_mlx.from_pretrained недостаточно. Лицензия — CC BY 4.0.

Сценарии применения

  • локальная диктовка на английском языке
  • транскрибация английских аудиозаписей
  • распознавание речи на устройствах Apple с MLX

Ограничения

Модель поддерживает только английский язык. Для загрузки этого чекпойнта необходимо предварительно применить 8-битную квантизацию к дереву модулей; стандартного вызова from_pretrained недостаточно.

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

Parakeet TDT 0.6b v2, MLX 8-bit

8-bit MLX quantization of nvidia/parakeet-tdt-0.6b-v2, built from mlx-community/parakeet-tdt-0.6b-v2 via mlx.nn.quantize(bits=8, 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 1.91% (bf16: 1.87%), RTF 0.024, peak MLX memory 1.26 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=8)
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
29c2904

0 моделей