parakeet-tdt-0.6b-v3

parakeet-tdt-0.6b-v3

转写 25 种欧洲语言的语音，自动识别语言，并加上标点、大小写和词级时间戳。这是 NVIDIA 的 600M 参数语音转文字模型，面向开发者和转写服务。

由 nvidia 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：NVIDIA 的 parakeet-tdt-0.6b-v3 把语音转成文字，大约有 6 亿参数。它把早先只支持英文的 v2 模型扩展到 25 种欧洲语言。它自己判断音频的语言，不需要额外提示就能转写。它会加上标点和大写字母，并返回词和片段的时间戳。

适合谁：构建转写、语音助手、字幕或语音分析，并且需要一个覆盖多种欧洲语言的模型的开发者和团队。

Industry | Who uses it | How they use it | Example
媒体 | 字幕团队 | 生成带时间戳的字幕 | 一段捷克语访谈的字幕
客户服务 | 语音分析团队 | 转写通话以便日后分析 | 一通法语客服电话转成的文字
软件开发 | 应用开发者 | 给应用加入语音输入 | 一个西班牙语语音助手
教育与研究 | 学者 | 转写讲座和录音 | 一堂德语讲座转成的文字

如果你需要的语言都在它支持的 25 种之外，可以跳过它。

用在哪里：

• 在 Windows、macOS 或 Linux 上，用 Python 和 transformers 库
• 你自己构建的转写服务和语音助手
• 字幕和分析流水线

Use case | Who | What they get back
转写 | 服务构建者 | 带标点以及词和片段时间戳的文字
字幕 | 视频团队 | 可以做成字幕的带时间文字
长录音 | 研究者 | 长音频的转写，用局部注意力时上限更高

如何设置：

• Python 和 pip
• F32 约需 2.5 GB 磁盘空间，4-bit 约 314 MB（估算值）
• 它支持的语言的音频文件

1. 安装 Hugging Face hub 工具。
2. 下载模型文件。
3. 按模型卡片，用 transformers 或其他支持的工具加载模型。

pip install -U huggingface_hub
hf download nvidia/parakeet-tdt-0.6b-v3

如何使用：给模型一个音频文件，读回转写结果。它自己判断语言，所以你不用指定。标点、大小写和时间戳会和文字一起给出。

示例：你传入一段法语的会议录音。模型自己识别语言，返回带标点和大写字母的文字，还有每个词和片段开始的时间。

新手与专家：如果你刚接触语音识别，先试一段你熟悉的语言的短录音，把文字和你听到的对照一下。先用清晰的音频。

这个模型属于 FastConformer-TDT 家族，主要用 Granary 多语言语料训练。卡片说葡萄牙语的分数可能偏低，因为训练用的是欧洲葡萄牙语，而多数测试集用的是巴西葡萄牙语。长音频用 A100 80GB 上的完整注意力或局部注意力来处理。

你提供一个音频文件
模型识别语言
它带标点地转写
你得到文字和时间戳

注意事项：

• 语言范围：25 种欧洲语言，包括英语、西班牙语、法语、德语和俄语
• 葡萄牙语：由于欧洲和巴西的变体不同，结果可能与基准有差异

Title: 按注意力类型划分的单段录音最长时长
Full attention on an A100 80GB: 24 minutes
Local attention: 3 hours

• License: cc-by-4.0，允许商业和非商业使用
• Cost to run: 没有提到 API 密钥或付费服务，只需要你自己的硬件
• Data it reaches: 下载会取回模型文件，它会读取你给它的音频
• Not for: 它支持的 25 种语言之外的语言

Hugging Face 上的数据（2026年11月13日）

• 任务：automatic speech recognition
• 框架：transformers
• 参数量：627M
• Weights: about 2.5 GB in F32; about 314 MB at 4-bit (estimate)
• Formats: Safetensors, GGUF
• 最近 30 天下载：529,594
• 点赞：1,272
• 许可证：cc-by-4.0
• 语言：en, es, fr, de, bg, hr, cs, da
• Quantized versions: 145
• Fine-tunes: 140
• 标签：transformers, nemo, safetensors, gguf, parakeet_tdt, feature-extraction, automatic-speech-recognition, speech, audio, transducer, transformer, fastconformer

链接

• 模型：https://huggingface.co/nvidia/parakeet-tdt-0.6b-v3
• 文件：https://huggingface.co/nvidia/parakeet-tdt-0.6b-v3/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 nvidia/parakeet-tdt-0.6b-v3

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。