Phonon-2.5 English

Phonon-2.5 English

把英语语音转成文字，下载只有 157.6 MB，可在 Apple silicon、Linux 和 Windows 的 CPU 上运行，不需要 GPU。适合做听写、字幕、合规或搜索的团队。

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 English 是 FermionResearch 发布的英语开放语音识别模型。它建立在 NVIDIA 的 parakeet-tdt-0.6b-v3 之上，沿用原模型的分词器，以及标点、大小写和数字的输出习惯。

下载大小是 157.6 MB。同一个文件可以在 Apple silicon 以及 Linux 和 Windows 的 CPU 上运行，不需要 GPU。另有一个同样大小的 Phonon-2.5，覆盖 25 种语言。

适合谁：只处理英语的团队最适合它，比如听写、字幕、合规和搜索流程。

Industry | Who uses it | How they use it | Example
媒体 | 字幕团队 | 把英语录音变成字幕用的文字 | 在命令行里转写一个 wav 文件
合规 | 合规团队 | 转写英语音频供审查 | 为每个词加上开始和结束时间
搜索 | 搜索团队 | 在流程里为英语口语建立索引 | 为你的应用运行一个本地转写服务器

如果你需要其他语言，可以跳过它，去看支持 25 种语言的 Phonon-2.5。

用在哪里：它可以从终端运行，也可以通过本地服务器供你自己的应用使用。

• Apple silicon 的 Mac，通过 MLX 在 GPU 上运行
• x86-64 和 Arm 的 Linux，在 CPU 引擎上运行
• Windows，在 CPU 引擎上运行
• 使用 OpenAI 转写格式的应用，通过本地服务器

Use case | Who | What they get back
转写录音 | 任何人 | 语音的英文文字
词级时间 | 合规团队 | 每个词的开始和结束时间
本地转写服务 | 开发者 | 你的应用可以调用的端点

如何设置：你需要 Python 3.10 或更新版本，因为 macOS 自带的 python3 是 3.9，还需要 fermion-research 包。

• Python 3.10 或更新版本
• 用 pip 安装的 fermion-research 包
• 一段要转写的录音

1. 安装 Python 3.10 或更新版本。
2. 用 pip 安装 fermion-research 包。
3. 在 Apple silicon 上，加上 mlx 附加项就能在 GPU 上运行。
4. 在 Linux 上，先从 CPU wheel 索引安装 torch，以跳过 GPU 版本的构建。

pip install fermion-research
fermion transcribe phonon-2.5-en recording.wav

在 Apple silicon 上，这个变体通过 MLX 在 GPU 上运行模型。

pip install "fermion-research[mlx]"

如何使用：transcribe 命令接收模型名和一段录音。json 标志会为每个词加上开始和结束时间。serve 命令会在你选的端口上启动一个本地转写端点。

fermion serve phonon-2.5-en --port 8010

Tool | What it does
fermion transcribe | 用你指定的模型转写一段录音
--json | 为每个词加上开始和结束时间
fermion serve | 启动一个兼容 OpenAI 的转写端点

示例：你用 phonon-2.5-en 和一个名为 recording.wav 的文件运行 fermion transcribe。录音的英文文字会返回，加上 json 标志后，每个词都带着它的开始和结束时间。

新手与专家：你可以把这个模型看成一个小小的听写员，把说英语的人讲的话打出来。第一个小尝试，是录一句短话，存成 wav 文件，再对它运行 transcribe 命令。

在底层，模型卡用 Open ASR Leaderboard 的七个英语数据集给它打分，平均词错误率是 4.82%，低于 Underdog Bark 3.0 的 4.94 和 Phonon-2 的 5.21。它的表里原版 Parakeet 一行是 2,508 MB 的下载，而这里是 157.6 MB。

录音输入
命令行或本地服务器接收它
模型在 MLX 或 CPU 引擎上运行
输出英文文字，需要时附带词级时间

注意事项：模型卡说 Phonon-2.5 English 在全部七个英语数据集上都优于 Phonon-2。它自己的表列出词错误率，越低越好。

Title: 七个英语数据集上的平均词错误率，越低越好
Phonon-2.5 English: 4.82 %
Underdog Bark 3.0: 4.94 %
Parakeet TDT 0.6B v3: 4.96 %
Phonon-2: 5.21 %
Parakeet Redux: 5.69 %

• Language: 只支持英语
• Other versions: Hugging Face 列出了其他人做的 4 个量化版本和 1 个微调版本
• License: 模型是 CC-BY-4.0，命令行和仓库代码是 Apache 2.0
• Cost to run: 未提及
• Data it reaches: 你转写的音频文件，以及从 Hugging Face 下载的模型文件

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：1,349
• 点赞：22
• 许可证：cc-by-4.0
• 语言：en
• 基于：nvidia/parakeet-tdt-0.6b-v3
• Quantized versions: 4
• Fine-tunes: 1
• 标签：parakeet_tdt_five_value, apple-silicon, speech-to-text, low-bit, on-device, automatic-speech-recognition

链接

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

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。