תרגום מכונה · המקור באנגלית
Parakeet TDT
Parakeet TDT NVIDIAמודל זיהוי דיבור, מותאם לריצה Apple Silicon" Neural Engine באמצעות CoreMLזה משתמש קודר FastConformer בשילוב עם ken-and-Duration Transducer (TDT) decoder עבור תמליל מדויק ויעיל.
ארכיטקטורה
המודל מתחלק בשלושה קבצי מודל CoreML שפועלים יחד במהלך ההקצאה:
| המונחים | תיאור תיאור |
|---|---|
| Encoder | FastConformer - convolutional + self-attention שכבות עבור הפקת אודיו |
| Decoder | רשת חיזוי אשר שומרת על היסטוריה של טקסט |
| משותף משותף | משלבת קודר וקודקודר פלטים כדי לייצר פרצות אסימונים |
הקידוד הוא INT8 המוגדר עבור טביעת רגל זיכרון מינימלית ו Neural Engineהוצאה להורג.Thecoder ורשת משותפת הם קטנים מספיק כי קוונטיזציה אינה נדרשת.
סינון קריין עוקב אחר הסינמס המיוחד של אוצר המילים ולא טווחי זיהוי אסימונים, כך ספרות ממונעת מודלים (0–9נשמרים בזמן ששפה, דוברים, ולשלוט בסימון נשארים חבויים.
מודלים
| מודל מודל | גודל | HuggingFace |
|---|---|---|
| Parakeet-TDT-0.6B (CoreML INT8) | 500 MB | aufklarer/Parakeet-TDT-v3-CoreML-INT8-30s |
ביצועי ביצועים
| מסובך | ערך |
|---|---|
| גורם בזמן אמת (RTF) | ~0.031 |
| יעד משותף | Neural Engine (באמצעות CoreML) |
| המונחים | INT8 |
RTF הוא זמן הקיר מחולק על ידי משך אודיו: נמוך יותר הוא מהיר יותר RTF − 0.031 תואם את מהירות 32 בזמן אמת.
CLI Usage
השתמש ב --engine parakeet דגל בחר Parakeet TDT במקום ברירת המחדל Qwen3-ASR:
.build/release/speech transcribe recording.wav --engine parakeetCoreML לעומת MLX
Parakeet TDT משתמש CoreML לרוץ על Neural Engine, בזמן Qwen3-ASR שימושים MLX לרוץ על Metal GPUלשתי הגישות יש חילופי סחר שונים:
| Parakeet TDT (CoreML) | Qwen3-ASR (MLX) | |
|---|---|---|
| יעד משותף | Neural Engine | Metal GPU |
| מהירות המהירות | 32x בזמן אמת | 17x בזמן אמת |
| ארכיטקטורה | FastConformer + TDT | Encoder-decoder Transformer |
| Multilingual | 25 שפות אירופיות | Multilingual |
| המונחים | INT8 | 4bit (MLX) |
CoreML מודלים לרוץ על Neural Engine, אשר פועל באופן עצמאי מ GPU.זה אומר Parakeet TDT יכול לרוץ במקביל עם משימות מבוססות GPU כמו TTS
סטרימינג
לרישום בזמן אמת וחיות, ראה Parakeet-EOU-120M - A 120M-parameter הזרמת RN-T גרסה עם ראש קצה מפורש של אישור, כך סוכן קול יכול להגיד כאשר דובר סיים מן הרמקול. ASR תזרח את עצמו, ללא גלאי תור נפרד, הוא פועל באופן מצטבר. 640 ms אודיו נתח ומשתף את אוצר המילים של המשפט Parakeet TDT 0.6B, מותאם לעקביות חלקית תת-שנית במקום להגיע לשיא באמצעות לוח.
זה רב לשוני (25 שפות אירופיות) וקלות משקל: בטלפון הוא משתמש 232 MB של זיכרון ורץ בנוחות בזמן אמת - בערך 5–6קטן יותר מ Parakeet TDT 0.6B. ON Android, Linux ו Windows הוא רץ דרך ONNX Runtime מתוך soniqo/Parakeet-EOU-120M-ONNX-INT8.
זמין גם Androidוכן הלאה Linux & Windows באמצעות דיבור Core (ONNX Runtime).
Qwen3-ASR דיבור-אל-טקסט · CosyVoice3 Voice Cloing · Kokoro-82M TTS