Mindket

Parakeet TDT 0.6b V3

新上架第 1 版 · 更新于

概览

在 Gradio 应用里用 NVIDIA 的 parakeet-tdt-0.6b-v3 模型转写多种语言的语音。适合需要把语音变成文字的人,以及想读一个简短转写演示的开发者。

Parakeet TDT 0.6b V3 是一款工具包,属于效率类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • 你的电脑上装好 Python
  • requirements.txt 里的 Python 软件包,包括 Gradio 5.42.0
  • packages.txt 里列出的系统软件包,Hugging Face 会用 apt-get 安装,下面的本地步骤没有展示这一点
  • 在 Hugging Face 上这个 Space 跑在 zero-a10g 硬件上,所以副本可能也需要类似的 GPU
用在
  • 网页浏览器,在 Hugging Face 上这个 Space 的页面里
  • 装有 Python 的 Windows、macOS 或 Linux,用下载下来的副本
先运行
pip install -U huggingface_hub
hf download nvidia/parakeet-tdt-0.6b-v3 --repo-type space --local-dir parakeet-tdt-0.6b-v3
cd parakeet-tdt-0.6b-v3

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

Parakeet TDT 0.6b V3 是一个 Gradio 应用,用多语言的 nvidia/parakeet-tdt-0.6b-v3 模型把语音变成文字。这个 Space 在 Hugging Face 上跑在 zero-a10g 硬件上。仓库里有 app.py、一个 data 文件夹和两个依赖文件,一个管 Python,一个管系统软件包。

适合谁

需要语音的文字稿,包括不止一种语言的音频,并且想在安装任何东西之前先试一试的人。

IndustryWho uses itHow they use itExample
媒体记者把采访变成文字一段采访录音
教育学生转写讲座做成学习笔记一段讲座录音
商务会议组织者从口头会议得到书面记录一次团队通话录音
软件开发者阅读一个封装语音模型的简短应用打开 app.py

如果你的音频已经有文字稿,或者你需要来源没有提到的说话人标注,可以跳过它。

用在哪里

  • 网页浏览器,在 Hugging Face 上这个 Space 的页面里
  • 装有 Python 的 Windows、macOS 或 Linux,用下载下来的副本
Use caseWhoWhat they get back
转写语音有录音的人以文字形式写出的讲话内容
多语言音频跨国团队不止一种语言的语音所转成的文字
阅读代码开发者一个围绕语音模型的简短 Gradio 应用

如何设置

  • 你的电脑上装好 Python
  • requirements.txt 里的 Python 软件包,包括 Gradio 5.42.0
  • packages.txt 里列出的系统软件包,Hugging Face 会用 apt-get 安装,下面的本地步骤没有展示这一点
  • 在 Hugging Face 上这个 Space 跑在 zero-a10g 硬件上,所以副本可能也需要类似的 GPU
  1. 安装 Hugging Face hub 软件包。
  2. 用 hf 命令下载这个 Space。
  3. 进入下载好的文件夹。
  4. 先安装 Gradio 5.42.0,再安装依赖。
  5. 启动 app.py。
pip install -U huggingface_hub
hf download nvidia/parakeet-tdt-0.6b-v3 --repo-type space --local-dir parakeet-tdt-0.6b-v3
cd parakeet-tdt-0.6b-v3
pip install gradio==5.42.0
pip install -r requirements.txt
python app.py

如何使用

在线使用时,打开 Space 页面,通过界面给应用一些语音。在自己的电脑上,用下面的命令启动,再使用它打开的界面。

python app.py

示例

你给应用一段有人说话的简短录音并运行。来源没有展示界面,但这样的转写应用会把说出的话作为文字返回。

新手与专家

打开 Space 页面,用一段你懂的语言的简短音频试试,这样你可以自己核对文字。这一步不需要安装任何东西。

这个 Space 只提到一个模型,nvidia/parakeet-tdt-0.6b-v3,标题称它是多语言的。它既需要 Python 软件包也需要系统软件包,并跑在 zero-a10g 硬件上。来源没有给出语言清单、准确率数字或长度限制,所以依赖它之前请先查看模型页面。

  1. 你给应用一些语音
  2. app.py 把它交给 Parakeet 模型
  3. 模型解码这段语音
  4. 文字显示在屏幕上

注意事项

  • Hardware: 在 Hugging Face 上跑在 zero-a10g 上,用 Gradio 5.42.0 构建
  • 除了 Python 软件包,还需要 packages.txt 里的系统软件包
  • License: cc-by-4
  • Cost to run: 没有提到
  • Data it reaches: 你给它的音频,以及它提到的模型
  • Not for: 来源没有写明限制

README 和文件

README

Parakeet TDT 0.6b V3

在 Gradio 应用里用 NVIDIA 的 parakeet-tdt-0.6b-v3 模型转写多种语言的语音。适合需要把语音变成文字的人,以及想读一个简短转写演示的开发者。

由 nvidia 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么:Parakeet TDT 0.6b V3 是一个 Gradio 应用,用多语言的 nvidia/parakeet-tdt-0.6b-v3 模型把语音变成文字。这个 Space 在 Hugging Face 上跑在 zero-a10g 硬件上。仓库里有 app.py、一个 data 文件夹和两个依赖文件,一个管 Python,一个管系统软件包。

适合谁:需要语音的文字稿,包括不止一种语言的音频,并且想在安装任何东西之前先试一试的人。

Industry | Who uses it | How they use it | Example
媒体 | 记者 | 把采访变成文字 | 一段采访录音
教育 | 学生 | 转写讲座做成学习笔记 | 一段讲座录音
商务 | 会议组织者 | 从口头会议得到书面记录 | 一次团队通话录音
软件 | 开发者 | 阅读一个封装语音模型的简短应用 | 打开 app.py

如果你的音频已经有文字稿,或者你需要来源没有提到的说话人标注,可以跳过它。

用在哪里:

  • 网页浏览器,在 Hugging Face 上这个 Space 的页面里
  • 装有 Python 的 Windows、macOS 或 Linux,用下载下来的副本
Use case | Who | What they get back
转写语音 | 有录音的人 | 以文字形式写出的讲话内容
多语言音频 | 跨国团队 | 不止一种语言的语音所转成的文字
阅读代码 | 开发者 | 一个围绕语音模型的简短 Gradio 应用

如何设置:

  • 你的电脑上装好 Python
  • requirements.txt 里的 Python 软件包,包括 Gradio 5.42.0
  • packages.txt 里列出的系统软件包,Hugging Face 会用 apt-get 安装,下面的本地步骤没有展示这一点
  • 在 Hugging Face 上这个 Space 跑在 zero-a10g 硬件上,所以副本可能也需要类似的 GPU
  1. 安装 Hugging Face hub 软件包。
  2. 用 hf 命令下载这个 Space。
  3. 进入下载好的文件夹。
  4. 先安装 Gradio 5.42.0,再安装依赖。
  5. 启动 app.py。
pip install -U huggingface_hub
hf download nvidia/parakeet-tdt-0.6b-v3 --repo-type space --local-dir parakeet-tdt-0.6b-v3
cd parakeet-tdt-0.6b-v3
pip install gradio==5.42.0
pip install -r requirements.txt
python app.py

如何使用:在线使用时,打开 Space 页面,通过界面给应用一些语音。在自己的电脑上,用下面的命令启动,再使用它打开的界面。

python app.py

示例:你给应用一段有人说话的简短录音并运行。来源没有展示界面,但这样的转写应用会把说出的话作为文字返回。

新手与专家:打开 Space 页面,用一段你懂的语言的简短音频试试,这样你可以自己核对文字。这一步不需要安装任何东西。

这个 Space 只提到一个模型,nvidia/parakeet-tdt-0.6b-v3,标题称它是多语言的。它既需要 Python 软件包也需要系统软件包,并跑在 zero-a10g 硬件上。来源没有给出语言清单、准确率数字或长度限制,所以依赖它之前请先查看模型页面。

你给应用一些语音
app.py 把它交给 Parakeet 模型
模型解码这段语音
文字显示在屏幕上

注意事项:

  • Hardware: 在 Hugging Face 上跑在 zero-a10g 上,用 Gradio 5.42.0 构建
  • 除了 Python 软件包,还需要 packages.txt 里的系统软件包
  • License: cc-by-4
  • Cost to run: 没有提到
  • Data it reaches: 你给它的音频,以及它提到的模型
  • Not for: 来源没有写明限制

Hugging Face 上的数据(2026年11月16日)

  • 点赞:144
  • 构建方式:gradio
  • 许可证:cc-by-4.0

链接

  • Space:https://huggingface.co/spaces/nvidia/parakeet-tdt-0.6b-v3
  • 文件:https://huggingface.co/spaces/nvidia/parakeet-tdt-0.6b-v3/tree/main

试用

在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。

文件
README.md  4 KB

1 个文件,共 4 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-15

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face Space。

产品点赞构建方式许可证最近更新
Parakeet TDT 0.6b V3 本页144gradiocc-by-4.0
FLUX.1 [Schnell]共有 gradio5,162gradiomit
MusicGen共有 gradio5,116gradiocc-by-nc-4.0
Kokoro TTS共有 gradio3,560gradioapache-2.0
Background Removal共有 gradio2,991gradiomit
Omni Image Editor共有 gradio2,935gradiomit
数据为 Mindket 在 2026-11-15 至 2026-11-16 期间读取的数值。

评价

还没有评分

写评价

还没有评价。

大家怎么说

Hacker News、Bluesky、X、Reddit、Facebook 和 YouTube 上提到这个项目的帖子和评论,来自每周一次的搜索和 Trendshift。它们不是 Mindket 写的,也未经核实,点开即可在原帖处阅读。

armcatShow HN: Local Voice AssistantSeveral weeks ago I built a fully-local voice assistant demo with a FastAPI backend and a simple HTML front-end. All the models (ASR / LLM / TTS) are open weight and running locally, i.e. no data is being sent to the Internet nor any API. It's intended to demonstrate how easy it is to run a…2 分Swift-1.5-IQ3_S-GSQ-RCO-qfn-anahuggingface.co/nvidia/parak...2 赞 · 1 条回复properbrewTl;dv: Over 180k meetings left wide openI think this is just to capture the audio to ship off to their servers and do the crunching. You mentioned the word "extension" and thank you so much, I've been thinking about how to do integrations as it's something a few users have mentioned, but keep the whole "completely offline" angle. I…Stefano BussolonI experimented with **nvidia/parakeet-tdt-0.6b-v3** — a multilingual ASR model — and was able to run it *on my laptop without a GPU*. I used local Python tooling and a tiny script (published here: gist.github.com/bussolon/aeb...). Tested with Italian speech and it transcribed correctly.1 赞 · 1 条回复robDeepSeek Introduces VisionYep, here's the v2 and v3: https://huggingface.co/nvidia/parakeet-tdt-0.6b-v2 https://huggingface.co/nvidia/parakeet-tdt-0.6b-v3 It's almost instant on my new M5 Max w/ 36GB of memory, but I used both with Handy on my previous 2019 Intel Mac w/ 16GB memory and was completely surprised at just how…Stefano Bussolon*Notes:* CPU-only inference is slower than GPU. I haven't benchmarked it against Whisper yet. Model: huggingface.co/nvidia/parak...1 赞rafaelmDeepSeek Introduces VisionI believe this is the correct link. I use it too in Handy, for English and Spanish transcriptions: https://huggingface.co/nvidia/parakeet-tdt-0.6b-v3AG342Show HN: Trace – Offline Mac meeting transcripts you can flag mid-callTrace has two engines that you can choose from. The fast one uses NVIDIA's Parakeet-TDT 0.6b v3 model run through FluidAudio, which surprised me with how fast it was. There is also an accurate engine, which uses Whisper large-v3-turbo via WhisperKit, which is slower but holds up better on accents…Underwire167Local speech-to-text daemon for Linux with Nvidia Parakeet (0.6B params)A hotkey-triggered Linux daemon that transcribes speech locally and pastes the result into the focused input field. Uses NVIDIA Parakeet TDT 0.6B v3, much lighter than Whisper while handling 25 languages with auto-detection. No cloud dependency. Works on X11 and Wayland.meatmanekCan I run AI locally?For ASR/STT on a budget, you want https://huggingface.co/nvidia/parakeet-tdt-0.6b-v3 - it works great on CPU. I haven't tried on a raspberry pi, but on Intel it uses a little less than 1s of CPU time per second of audio. Using https://github.com/NVIDIA-NeMo/NeMo/blob/main/examples/asr/a... for…u_samaShow HN: Free alternative to Wispr Flow, Superwhisper, and MonologueParakeet doesn't work ? https://huggingface.co/nvidia/parakeet-tdt-0.6b-v3 If you are willing to use a service for transcriptions, Mistral (which is also European) works rather nicely if they support your language https://docs.mistral.ai/capabilities/audio_transcription#tra...

搜索日期

Mindket 的更多商品

查看 Mindket 的全部商品

all-mpnet-base-v2

sentence-transformers · 工具包

把句子和段落变成 768 个数字组成的向量,用来按含义搜索、聚类和比较文本,适合处理英文的开发者和数据团队。

新上架

multilingual-e5-base

intfloat · 工具包

把约 100 种语言的文本变成向量,让你能跨语言比较含义,用于搜索和匹配。适合构建多语言检索的开发者。

新上架

sprite-gen

aldegad · 技能

把一张角色底图做成可直接进游戏的精灵图,输出带清单的图集或透明动作循环,适合在 Codex 或 Claude Code 里做游戏的开发者。

新上架4097

效率类的相似商品

查看效率类的全部商品

观察你的 AI 会话里的修正和重复工作,然后对你已有的技能提出修改建议,并标出新技能的候选。每个改动都要你批准后才会安装。

新上架3927

Animagine XL 3.1

Asahina2K · 工具包

用 Animagine XL 3.1 这个 SDXL 模型,在带 GPU 硬件的 Gradio Space 里根据文字提示生成动漫风格图片。适合想用文字描述得到动漫画作的艺术家和爱好者。

新上架

AICoverGen

r3gm · 工具包

一个用语音转换模型制作 AI 歌曲翻唱的 Gradio 应用。可在 Hugging Face 的浏览器里用,也可在装有 Python 3.12 的自己电脑上运行。

新上架