Характеристики

Лицензия: Своя лицензия
Архитектура: nemotron_asr · dense
Базовая модель: nemotron-3.5-asr-streaming-0.6b
Библиотека: mlx-audio
Опубликована: 12 авг 2026

Ссылки

Hugging Face

nemotron-3.5-asr-streaming-0.6b

theoracleguy

Распознавание речиАудио → текст5 профессий

MLX-совместимая потоковая модель NVIDIA для транскрибации речи на нескольких языках, включая русский.

158скачиваний за 30 дней0лайковвеса обновлены12 авг 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 MLX-совместимая версия модели распознавания речи NVIDIA Nemotron 3.5 ASR Streaming, подготовленная theoracleguy для OpenVox и других сценариев на Apple Silicon с библиотекой mlx-audio. Модель содержит 600 млн параметров и использует потоковую архитектуру FastConformer-RNNT с учетом кэша и подсказкой идентификатора языка. В репозитории размещены веса bfloat16 для инференса полного качества.

Модель предназначена для потоковой транскрипции речи с пунктуацией и восстановлением заглавных букв; README сообщает о поддержке 40 языковых локалей. Метаданные перечисляют языки, включая английский, русский, испанский, немецкий, французский, арабский, японский, китайский и другие. Её можно использовать в локальных голосовых сценариях OpenVox или независимо через mlx-audio.

Это производная версия NVIDIA Nemotron 3.5 ASR Streaming, адаптированная для MLX; метаданные указывают связь finetune. Лицензия обозначена как other, поэтому условия использования следует сверить с карточкой репозитория и исходной моделью NVIDIA. Архитектура, бенчмарки и ограничения описаны в оригинальной карточке NVIDIA, на которую ссылается README.

Сценарии применения

потоковая транскрибация речи на устройстве Apple Silicon
распознавание речи в локальных голосовых сценариях OpenVox
создание транскриптов с пунктуацией и заглавными буквами
распознавание речи с подсказкой языка

Ограничения

Для работы требуется mlx-audio с поддержкой Nemotron ASR; описание архитектуры, бенчмарков и ограничений вынесено в карточку исходной модели NVIDIA. Лицензия указана как other, поэтому условия использования следует проверить в карточках репозитория и базовой модели.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Также подходит для

I.6Перевод и языковая адаптация

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

theoracleguy/nemotron-3.5-asr-streaming-0.6b

MLX-compatible version of nvidia/nemotron-3.5-asr-streaming-0.6b, prepared for use with OpenVox and other Apple Silicon workflows using mlx-audio.

Nemotron 3.5 ASR Streaming is NVIDIA's 600M-parameter cache-aware streaming FastConformer-RNNT speech recognition model with language-ID prompt conditioning.

It supports 40 language-locales along with punctuation and capitalization.

This repository contains bfloat16 weights for full-quality inference.

For architecture details, benchmarks, training information, limitations, and intended use, see the original NVIDIA model card.

OpenVox

This model is distributed through the theoracleguy Hugging Face repository for use with OpenVox, a local AI voice platform for Mac, iPad, and Windows.

OpenVox is designed around local AI processing, allowing supported speech and voice workflows to run directly on your device.

This repository can also be used independently with mlx-audio.

Install

This model requires mlx-audio with Nemotron ASR support.

If your installed PyPI version does not yet include Nemotron support, install the latest version directly from GitHub:

pip install -U "git+https://github.com/Blaizzy/mlx-audio.git"

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx-audio

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов: aa4da0a