Parakeet TDT 0.6B V2
NVIDIA · États-Unis
- Poids ouverts
- Licence : CC BY 4.0
En bref : 48e sur 51 en transcription en anglais (Artificial Analysis) ; 21e sur 53 en transcription en anglais (Open ASR).
Présentation
Modèle de transcription anglaise de NVIDIA avec ponctuation, majuscules et horodatage au mot, fondé sur un encodeur FastConformer et un décodeur TDT. Il traite jusqu'à 24 minutes d'audio d'un seul passage. Lu sur huggingface.co, le 17/10/2026.
- Sortie
- 1er mai 2025 lu sur la page de l'éditeur
- Taille
- 600 millions de paramètres lu sur la page de l'éditeur
Langues
- Annoncées par l'éditeur : anglais seulement (en). Lu sur huggingface.co.
- Évaluées par nos sources : anglais.
- Le français : absent des langues annoncées par l'éditeur ; pas évalué en français par nos sources.
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 anglais · Transcription
Transcription en anglais, indice AA-WER
48e sur 51taux d'erreur par mot 6,43 %
Prix : 0 $ pour 1 000 minutes de parolePar jeu de test : AA-AgentTalk 5,84 %, Earnings22 9,42 %, VoxPopuli 4,60 %
Source : Artificial Analysis · relevé du 19 octobre 2026.
- En anglais · Transcription
Transcription en anglais, Open ASR
21e sur 53taux d'erreur par mot 5,98 %
Vitesse : RTFx 14 156 : transcrit 14 156 secondes d'audio par seconde de calculPar jeu de test : AMI-Cleaned 9,02 %, Earnings22-Cleaned-AA-chunked 6,83 %, Gigaspeech-Cleaned 8,17 %, LS Clean 1,27 %, LS Other 2,65 %, Private (conversational) 13,33 %, Private (scripted) 3,48 %, SPGISpeech 1,87 %, URGENT24 11,58 %, Voice Arena Monsoon 3,70 %, Voxpopuli-AA-Cleaned 3,89 %
Source : Open ASR Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 17 octobre 2026.
Modèles proches
- Transcription en anglais, indice AA-WER : devant, Rev AI (47e, 5,92 %) · derrière, Gradium Speech-to-Text (49e, 6,79 %)
- Transcription en anglais, Open ASR : devant, Granite Speech 4.1 2B (19e, 5,96 %) · derrière, Solaria-3 (22e, 5,99 %)
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
- Artificial Analysis :
Parakeet TDT 0.6B V2; Hugging Face (hf-audio) :nvidia/parakeet-tdt-0.6b-v2 - Fiche
- Registre de QUELLE IA, lu sur https://huggingface.co/nvidia/parakeet-tdt-0.6b-v2/raw/main/README.md (« GOVERNING TERMS: Use of this model is governed by the [CC-BY-4.0] »), 17/10/2026.
- Pages lues
- https://huggingface.co/nvidia/parakeet-tdt-0.6b-v2/raw/main/README.md (« is a 600-million-parameter automatic speech recognition (ASR) model designed for high-quality English transcription, featuring support for punctuation, capitalization, and accurate timestamp prediction »), 17/10/2026
- https://huggingface.co/nvidia/parakeet-tdt-0.6b-v2/raw/main/README.md (« This XL variant of the FastConformer [1] architecture integrates the TDT [2] decoder and is trained with full attention, enabling efficient transcription of audio segments up to 24 minutes in a single pass. »), 17/10/2026
- https://huggingface.co/nvidia/parakeet-tdt-0.6b-v2/raw/main/README.md (« Release Date: 05/01/2025 »), 17/10/2026
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.