Phonon-2
Fermion Research · États-Unis
- Poids ouverts
- Licence : CC BY 4.0
En bref : 35e sur 53 en transcription en anglais (Open ASR).
Présentation
Modèle de reconnaissance vocale pour l'anglais, quantifié à environ 2,1 bits par poids dans son encodeur, qui tient en un fichier de 164 Mo et produit un texte ponctué. Dérivé de Parakeet TDT 0.6B v3 de NVIDIA, il vise la transcription locale rapide sur Mac (MLX, Core ML), sur processeur ou sur GPU. Lu sur fermionresearch.com, huggingface.co, le 17/10/2026.
- Sortie
- 29 septembre 2026 lu sur la page de l'éditeur
- Taille
- 0,6 milliard de paramètres lu sur la page de l'éditeur
Langues
- Annoncées par l'éditeur : anglais seulement (en). Lu sur fermionresearch.com.
- Évaluées par nos sources : anglais.
- Le français : absent des langues annoncées par l'éditeur ; pas évalué en français par nos sources.
Son classement
Chaque ligne vient d'une seule source, dans son unité : les chiffres de deux lignes ne se comparent pas entre eux. Ils ne comptent pas dans le score des modèles de langage.
- En anglais · Transcription
Transcription en anglais, Open ASR
35e sur 53taux d'erreur par mot 6,87 %
Vitesse : RTFx 1 967 : transcrit 1 967 secondes d'audio par seconde de calculPar jeu de test : AMI-Cleaned 9,32 %, Earnings22-Cleaned-AA-chunked 6,96 %, Gigaspeech-Cleaned 8,35 %, LS Clean 1,73 %, LS Other 3,92 %, Private (conversational) 14,14 %, Private (scripted) 5,23 %, SPGISpeech 3,70 %, URGENT24 14,90 %, Voice Arena Monsoon 4,91 %, Voxpopuli-AA-Cleaned 2,46 %
Source : Open ASR Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 17 octobre 2026.
Modèles proches
- Transcription en anglais, Open ASR : devant, Zipformer CR-CTC Transducer XL 290M (34e, 6,82 %) · derrière, Whisper Large v3 (36e, 7,16 %)
Comment lire ces chiffres
Transcription : Le taux d'erreur par mot compte les mots mal transcrits, oubliés ou ajoutés, pour cent mots prononcés : plus il est bas, mieux c'est. Chaque tableau vient d'une seule source, sur ses propres enregistrements : deux tableaux ne se comparent pas chiffre à chiffre.
D'où vient cette fiche
- Nom dans les sources
- Hugging Face (hf-audio) :
FermionResearch/Phonon-2 - Fiche
- Nom et éditeur tels que la source les écrit ; présentation et langues lues sur les pages de l'éditeur.
- Pages lues
- https://www.fermionresearch.com/models/phonon-2/ (« Its encoder stores every weight as one of five learned levels in about 2.1 bits. »), 17/10/2026
- https://www.fermionresearch.com/models/phonon-2/ (« Phonon-2 Encoder about 2.1 bits per stored weight, 6-bit tables elsewhere 164 MB download · 177 MB on disk »), 17/10/2026
- https://www.fermionresearch.com/models/phonon-2/ (« Language English Audio input microphone or file 16 kHz Output Punctuated, capitalized text »), 17/10/2026
- https://www.fermionresearch.com/models/phonon-2/ (« Phonon-2 Fermion Research 0.60 B 164 MB »), 17/10/2026
- https://huggingface.co/FermionResearch/Phonon-2/raw/main/README.md (« Based on parakeet-tdt-0.6b-v3 by NVIDIA; the tokenizer and output conventions (punctuation, casing, numerals) are the original's. Licence CC-BY-4.0, same as the original »), 17/10/2026
- https://huggingface.co/FermionResearch/Phonon-2/raw/main/README.md (« The same package runs on Linux (x86-64 and Arm) and Windows CPUs »), 17/10/2026
- https://www.fermionresearch.com/ (« Introducing Phonon-2 Research · September 29, 2026 »), 17/10/2026
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.