Moondream Parakeet Redux

Moondream Parakeet Redux

moondream 推出的 178 MB 语音识别模型，在八个 x86 CPU 核心上以 113 倍实时速度运行。它能转写英语、德语、法语、西班牙语、意大利语、葡萄牙语、俄语和乌克兰语。

由 moondream 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Parakeet Redux 是 moondream 推出的语音转文字模型，有 149M 参数。它重新构建了 parakeet-tdt-0.6b-v3 识别器，架构和分词器都相同，但每个编码器权重只取三个值之一：负一、零或正一。这种三值设计相当于每个权重 1.58 比特，下载大小为 178 MB。

适合谁：适合想在普通 CPU 或笔记本上做快速语音转写的开发者，也适合研究低比特语音模型的研究人员。

Industry | Who uses it | How they use it | Example
软件 | 开发者 | 给在 CPU 上运行的应用加入语音转文字 | 不需要 GPU 的转写功能
媒体 | 编辑 | 把长录音转成带时间戳的文字 | 一场长演讲的字幕
研究 | 机器学习研究人员 | 研究语音模型中的 1.58 比特权重 | 与原模型的对比
教育 | 学生 | 转写多种语言的讲座 | 一堂西班牙语讲座的笔记

如果你需要在嘈杂录音上得到最低的错误率，可以跳过它，因为模型卡显示它在背景噪声下落后于原模型。

用在哪里：

• Photon，moondream 的运行时，能在 x86 CPU、ARM CPU 和 Apple GPU 上直接读取打包的权重
• 通过 moondream 包使用的 Python 程序
• 装有 Python 的 Windows、macOS 或 Linux，用来下载文件

Use case | Who | What they get back
纯文字转写 | 开发者 | 音频文件里的口述文字
句子计时 | 编辑 | 每个句子的开始和结束时间，单位为秒
单词计时 | 字幕制作者 | 每个单词的开始和结束时间

如何设置：

• Python，用来运行 Hugging Face 下载工具
• moondream 包，版本 2.4.0 或更高
• 一个 CPU、Apple GPU 或 NVIDIA GPU，用 device 设置来选择

1. 用 pip 安装 Hugging Face 的 hub 工具。
2. 用 hf 命令下载模型文件。
3. 安装 moondream 包，版本 2.4.0 或更高。
4. 用 photon 调用打开模型，并选择设备。

pip install -U huggingface_hub
hf download moondream/parakeet-redux

如何使用：通过 photon 调用打开模型，把设备选为 cpu、mps 或 cuda，然后传入一个音频文件来转写。要求句子级时间戳可以得到每个句子一条记录，要求单词级时间戳可以得到每个单词。

import moondream as md

with md.photon("moondream/parakeet-redux", device="cpu") as speech:
    result = speech.transcribe(audio="speech.wav")
    print(result["text"])

示例：你在 cpu 上打开模型，转写一个名为 speech.wav 的文件。结果里有文字，如果用句子级时间戳，每个句子都会带着以秒为单位的开始和结束时间。

新手与专家：先在 cpu 上用一段简短录音和纯文字输出开始，等这一步成功后再打开时间戳。背景噪声下会有更多错误，模型卡显示它在这方面落后于原模型。

模型卡在若干数据集上把它与原模型做了对比，用 Open ASR Leaderboard 自己的流程打分。词错误率越低越好。它在 FLEURS 上以 10.56 对 11.62 获胜，在长篇的 TED-LIUM 上以 2.51 对 2.71 获胜。商务语音是 6.96 对 6.15，噪声是 9.04 对 6.72。它的同系列模型 Parakeet Ultra 是面向 GPU 的全精度版本。

安装 moondream 包
用 photon 打开模型
传入要转写的音频文件
返回文字和时间戳

注意事项：

• License: CC BY 4.0
• Cost to run: 没有提到
• Data it reaches: 从 Hugging Face 下载文件，之后在你自己的机器上运行
• Not for: 对准确度要求最高的嘈杂录音，因为模型卡显示它在这种情况下比原模型错误更多
• Limits: 模型卡说它给出的每个速度数字都来自 Photon，所以其他运行时可能不同

Title: 八个 x86 CPU 核心上的实时速度
This model in Photon: 113 times
parakeet.cpp: 45 times
sherpa-onnx: 42 times
onnx-asr: 28 times

Hugging Face 上的数据（2026年11月13日）

• 任务：automatic speech recognition
• 参数量：149M
• Weights: about 149 MB in U8
• Formats: Safetensors
• 最近 30 天下载：9,577
• 点赞：320
• 许可证：cc-by-4.0
• 语言：en, de, fr, es, it, pt, ru, uk
• Quantized versions: 12
• Fine-tunes: 7
• 标签：safetensors, parakeet_tdt, ternary, parakeet, speech-recognition, apple-silicon, automatic-speech-recognition, 8-bit

链接

• 模型：https://huggingface.co/moondream/parakeet-redux
• 文件：https://huggingface.co/moondream/parakeet-redux/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download moondream/parakeet-redux

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。