Parakeet TDT 0.6B V3

Présentation

Modèle de transcription multilingue de NVIDIA qui étend parakeet-tdt-0.6b-v2 de l'anglais à 25 langues européennes, avec détection automatique de la langue sans consigne. Il donne ponctuation, majuscules et horodatage au mot et au segment, et traite jusqu'à 24 minutes d'audio d'un passage. Lu sur huggingface.co, le 17/10/2026.

Sortie

14 août 2025 lu sur la page de l'éditeur

Taille

600 millions de paramètres lu sur la page de l'éditeur

Page de l'éditeur ↗L'essayer ↗

Langues

• Annoncées par l'éditeur : 25 langues européennes, dont le français (bg, hr, cs, da, nl, en, et, fi, fr, de, el, hu, it, lv, lt, mt, pl, pt, ro, sk, sl, es, sv, ru, uk). Lu sur huggingface.co.
• Évaluées par nos sources : français et anglais.
• Le français : annoncé par l'éditeur ; évalué, 19e sur 39 en transcription en français (5,30 %).

Ses 2 classements

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 français · Transcription

  Transcription en français

  19e sur 39taux d'erreur par mot 5,30 %

  Vitesse : RTFx 10 882 : transcrit 10 882 secondes d'audio par seconde de calculPar jeu de test : Common Voice 6,23 %, FLEURS 4,67 %, MLS 5,01 %

  Source : Open ASR Leaderboard, Hugging Face ↗ · relevé du 19 octobre 2026, version du 17 octobre 2026.

• En anglais · Transcription

  Transcription en anglais, Open ASR

  24e sur 53taux d'erreur par mot 6,08 %

  Vitesse : RTFx 13 119 : transcrit 13 119 secondes d'audio par seconde de calculPar jeu de test : AMI-Cleaned 9,02 %, Earnings22-Cleaned-AA-chunked 5,81 %, Gigaspeech-Cleaned 7,75 %, LS Clean 1,46 %, LS Other 3,08 %, Private (conversational) 13,17 %, Private (scripted) 4,54 %, SPGISpeech 3,56 %, URGENT24 11,50 %, Voice Arena Monsoon 3,96 %, Voxpopuli-AA-Cleaned 3,04 %

  Source : Open ASR Leaderboard, Hugging Face ↗ · relevé du 19 octobre 2026, version du 17 octobre 2026.

Modèles proches

• Transcription en français : devant, omniASR-LLM-7B-v2 (18e, 5,25 %) · derrière, Granite-Speech-4.1-2B-NAR (20e, 5,40 %)
• Transcription en anglais, Open ASR : devant, Granite Speech 5.0 470M TurboCTC NC (23e, 6,02 %) · derrière, Granite-Speech-4.1-2B-NAR (25e, 6,10 %)