Downloads · 30 days
140
39% of all-time downloads
voconly-org/parakeet-tdt-0.6b-v3-gguf
parakeet-tdt-0.6b-v3-gguf is a automatic speech recognition model from voconly-org. Use it when you need speech turned into text. The card lists the license as cc-by-4.0.
NVIDIA 推出的高效时间依赖转录 (TDT) 多语言语音识别模型,第三代版本,专注于欧洲语言。
Downloads · 30 days
140
39% of all-time downloads
All-time downloads
359
Public
Repo size
2.4 GB
Likes
0
Public
Click a slice to open those files.
.gguf2.4 GB · 100%
From the Hugging Face model README
NVIDIA 推出的高效时间依赖转录 (TDT) 多语言语音识别模型,第三代版本,专注于欧洲语言。
NVIDIA Parakeet TDT (Time-Delay Transformer) 是采用时间依赖架构的多语言语音识别模型:
| 语言 | 代码 | 语言 | 代码 | 语言 | 代码 |
|---|---|---|---|---|---|
| 英语 | en | 德语 | de | 法语 | fr |
| 西班牙语 | es | 意大利语 | it | 葡萄牙语 | pt |
| 荷兰语 | nl | 俄语 | ru | 乌克兰语 | uk |
| 波兰语 | pl | 捷克语 | cs | 斯洛伐克语 | sk |
| 匈牙利语 | hu | 罗马尼亚语 | ro | 保加利亚语 | bg |
| 克罗地亚语 | hr | 斯洛文尼亚语 | sl | 塞尔维亚语 | sr |
| 希腊语 | el | 丹麦语 | da | 瑞典语 | sv |
| 芬兰语 | fi | 爱沙尼亚语 | et | 拉脱维亚语 | lv |
| 立陶宛语 | lt | 马耳他语 | mt | - | - |
| 文件名 | 量化类型 | 文件大小 | 说明 |
|---|---|---|---|
| parakeet-tdt-0.6b-v3-Q4_K_M.gguf | Q4_K_M | ~最小 | 推荐日常使用 |
| parakeet-tdt-0.6b-v3-Q5_K_M.gguf | Q5_K_M | ~小 | 平衡精度 |
| parakeet-tdt-0.6b-v3-Q6_K.gguf | Q6_K | ~中 | 更高精度 |
| parakeet-tdt-0.6b-v3-Q8_0.gguf | Q8_0 | ~中高 | 最高量化精度 |
注意:F16/F32 版本已排除,推荐使用量化版本。
./main -m parakeet-tdt-0.6b-v3-Q4_K_M.gguf -f audio.wav --output-txt
from llama_cpp import Llama
llm = Llama(
model_path="parakeet-tdt-0.6b-v3-Q4_K_M.gguf",
n_gpu_layers=-1,
)
result = llm.transcribe("audio.wav")
print(result["text"])
Parakeet TDT 采用时间延迟Transformer架构,具有以下优势:
| 测试集 | WER (词错误率) |
|---|---|
| LibriSpeech test-clean | ~3-4% |
| LibriSpeech test-other | ~7-8% |
CC BY 4.0 License