# Parakeet CTC 1.1B

Éditeur : NVIDIA (États-Unis). Poids ouverts. Licence : CC BY 4.0.

En bref : 40e sur 53 en transcription en anglais (Open ASR).

Page : https://quelleia.com/voix/modeles/nvidia-parakeet-ctc-1-1b/. Classements de la voix de QUELLE IA, à part du score des modèles de langage, relevé du 19 octobre 2026.

## Présentation

Modèle de transcription anglaise de NVIDIA, développé avec Suno.ai, fondé sur un encodeur FastConformer de taille XXL et un décodeur CTC. Il transcrit l'anglais en alphabet minuscule. (lu sur https://huggingface.co/nvidia/parakeet-ctc-1.1b/raw/main/README.md)

- Taille : environ 1,1 milliard de paramètres (lu sur la page de l'éditeur, https://huggingface.co/nvidia/parakeet-ctc-1.1b/raw/main/README.md)

## Langues

- Annoncées par l'éditeur : anglais seulement (en).
- Évaluées par nos sources : anglais.
- Le français : absent des langues annoncées par l'éditeur ; pas évalué en français par nos sources.
- Source des langues annoncées : https://huggingface.co/nvidia/parakeet-ctc-1.1b/raw/main/README.md

## Ses classements

- Transcription en anglais, Open ASR : 40e sur 53, taux d'erreur par mot 7,40 % ; vitesse : RTFx 4 996 : transcrit 4 996 secondes d'audio par seconde de calcul ; par jeu de test : AMI-Cleaned 12,23 %, Earnings22-Cleaned-AA-chunked 9,66 %, Gigaspeech-Cleaned 8,74 %, LS Clean 1,52 %, LS Other 3,23 %, Private (conversational) 14,70 %, Private (scripted) 4,44 %, SPGISpeech 3,53 %, URGENT24 14,88 %, Voice Arena Monsoon 5,23 %, Voxpopuli-AA-Cleaned 3,24 %. Source : Open ASR Leaderboard, Hugging Face, https://huggingface.co/spaces/hf-audio/open_asr_leaderboard (relevé du 19 octobre 2026, version du 17 octobre 2026).

## Modèles proches

- Transcription en anglais, Open ASR : [Canary 1B v2](https://quelleia.com/voix/modeles/nvidia-canary-1b-v2/), 39e (7,27 %), juste devant
- Transcription en anglais, Open ASR : [Whisper Large v3 Turbo](https://quelleia.com/voix/modeles/whisper-large-v3-turbo/), 41e (7,64 %), juste derrière

## 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.

## Noms dans les sources

- Hugging Face (hf-audio) : nvidia/parakeet-ctc-1.1b

## Liens

- Page de l'éditeur : https://huggingface.co/nvidia/parakeet-ctc-1.1b

## Pages lues

- https://huggingface.co/nvidia/parakeet-ctc-1.1b/raw/main/README.md (« is an ASR model that transcribes speech in lower case English alphabet. This model is jointly developed by [NVIDIA NeMo](https://github.com/NVIDIA/NeMo) and [Suno.ai](https://www.suno.ai/) teams. »), 17/10/2026
- https://huggingface.co/nvidia/parakeet-ctc-1.1b/raw/main/README.md (« It is an XXL version of FastConformer CTC [1] (around 1.1B parameters) model. »), 17/10/2026