Phonon-2.5

Phonon-2.5

用一个 156.2 MB、不需要显卡的模型转写 25 种语言的语音。这是 FermionResearch 的开源模型，适合 Apple silicon 的 Mac 以及普通的 Linux 或 Windows 电脑。

由 FermionResearch 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：Phonon-2.5 是 FermionResearch 推出的小巧开源模型，能转写 25 种语言的语音，整个下载只有 156.2 MB。它源自 NVIDIA 的 Parakeet TDT 0.6B v3，并压缩成了低比特权重。一个文件既能在 Apple silicon 上运行，也能在普通的 Linux 和 Windows 处理器上运行，所以不需要显卡。

适合谁：适合想在自己电脑上把录音转成文字的人，也适合需要本地转写接口的开发者。

Industry | Who uses it | How they use it | Example
媒体 | 播客作者和剪辑师 | 在自己的机器上转写访谈和节目 | 把 recording.wav 文件转成文字
软件 | 开发者 | 在本地端口上运行兼容 OpenAI 的转写接口 | 在 8010 端口启动 serve 命令
研究 | 语音研究人员 | 在多种语言上比较词错误率 | 把 Phonon-2.5 和 Parakeet Redux 放在一起比较

如果你只需要英语，模型卡指向了一个大小相同的独立纯英语模型。

用在哪里：

• Apple silicon 的 Mac，通过 MLX 在 GPU 上运行
• x86-64 和 Arm 的 Linux，在 CPU 上运行
• Windows，在 CPU 上运行

Use case | Who | What they get back
文件转写 | 有音频的任何人 | 文字形式的口语内容
词级时间 | 剪辑师和开发者 | 每个词的时间戳，含起点和终点
本地 API | 开发者 | 一个使用 OpenAI 转写格式的接口

如何设置：

• Python 3.10 或更新版本，因为 macOS 自带的 python3 只有 3.9
• 来自 pip 的 fermion-research 软件包
• 在 Apple silicon 上，装 mlx 扩展以便在 GPU 上运行

1. 安装 Python 3.10 或更新版本。
2. 用下面第一条命令安装这个软件包。
3. 在 Apple silicon 上，改用第二段命令安装 mlx 扩展。
4. 在 Linux 上，模型卡建议先安装 torch 的 CPU 版本，以跳过 GPU 版本。

pip install fermion-research

pip install "fermion-research[mlx]"

如何使用：你运行 transcribe 命令，带上模型名和一个音频文件。json 标志会给每个词加上开始和结束时间，serve 命令则会在你选的端口上启动一个兼容 OpenAI 的转写接口。

fermion transcribe phonon-2.5 recording.wav

fermion serve phonon-2.5 --port 8010

Tool | What it does
fermion transcribe | 把音频文件转成文字
--json | 给每个词加上起点和终点时间戳
fermion serve | 启动一个兼容 OpenAI 的转写接口

示例：你对 recording.wav 运行 transcribe 命令。口语内容会以文字返回，加上 json 标志后，每个词还会带有开始和结束时间。

新手与专家：先安装软件包，转写一小段录音，看看返回的文字。不需要显卡。

Phonon-2.5 沿用了它所源自的 NVIDIA 模型的分词器和输出习惯，例如标点、大小写和数字写法。在模型卡的 FLEURS 测试集上，它在 25 种语言上的平均词错误率是 11.71%，其中 14 种语言领先于 Parakeet Redux。在 Open ASR Leaderboard 的七个英语数据集上，平均为 5.06%。

安装 fermion-research
对音频文件运行 transcribe
模型解码语音
得到文字，需要时带词级时间

Title: 25 种语言的平均词错误率，单位百分比
Phonon-2.5: 11.71 %
Parakeet Redux: 12.18 %
Parakeet TDT 0.6B v3: 13.26 %

Title: 下载大小，单位兆字节
Phonon-2.5: 156.2 MB
Parakeet Redux: 178 MB
Parakeet TDT 0.6B v3: 2,508 MB

注意事项：

• License: 模型采用 CC-BY-4.0，命令行工具和这个仓库的代码采用 Apache 2.0
• Cost to run: 未提及，不需要 GPU
• Data it reaches: 你提供的音频文件，以及你启动 serve 命令后的本地接口
• 在模型卡表格的许多行里，更大的 Parakeet TDT 0.6B v3 模型得分更好，英语也是如此

Hugging Face 上的数据（2026年11月13日）

• 任务：automatic speech recognition
• 框架：mlx
• 最近 30 天下载：1,697
• 点赞：51
• 许可证：cc-by-4.0
• 语言：en, es, fr, de, it, pt, nl, pl
• 基于：nvidia/parakeet-tdt-0.6b-v3
• Quantized versions: 3
• Fine-tunes: 2
• 标签：parakeet_tdt_five_value, apple-silicon, speech-to-text, multilingual, low-bit, on-device, automatic-speech-recognition

链接

• 模型：https://huggingface.co/FermionResearch/Phonon-2.5
• 文件：https://huggingface.co/FermionResearch/Phonon-2.5/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 FermionResearch/Phonon-2.5

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。