Parakeet TDT — Android

Parakeet TDT v3 รันบน Android และ Linux แบบฝังตัวผ่าน ONNX Runtime โมเดลถูกแบ่งเป็นไฟล์ encoder และ decoder-joint โดยทั้งคู่ควอนไทซ์เป็น INT8 พร้อมตัวถอดรหัส TDT greedy ที่รองรับ 114 ภาษาและ vocabulary แบบ BPE ขนาด 8192 token

ไฟล์โมเดล

ไฟล์	ขนาด
`parakeet-encoder-int8.onnx`	840 MB
`parakeet-decoder-joint-int8.onnx`	51 MB
`vocab.json`	<1 MB

HuggingFace: aufklarer/Parakeet-TDT-v3-ONNX

ประสิทธิภาพ

ตัวชี้วัด	ค่า
ภาษา	114
การควอนไทซ์	INT8
Decoder	TDT greedy
Real-time factor	RTF 0.12 (~150 ms สำหรับเสียง 1.5 s)
การเร่งความเร็วฮาร์ดแวร์	NNAPI (Android), QNN Hexagon DSP (Linux)

Kotlin (Android)

val modelDir = ModelManager.ensureModels(context)
val pipeline = SpeechPipeline(SpeechConfig(modelDir = modelDir))
pipeline.events.collect { event ->
    when (event) {
        is SpeechEvent.TranscriptionCompleted -> println(event.text)
        else -> {}
    }
}
pipeline.start()
pipeline.pushAudio(samples) // 16kHz mono float32

C API (Linux)

speech_config_t cfg = speech_config_default();
cfg.model_dir = "/opt/models";
speech_pipeline_t p = speech_create(cfg, on_event, NULL);
speech_start(p);
speech_push_audio(p, samples, 512);

ซอร์สโค้ด: github.com/soniqo/speech-android