---

license: cc-by-4.0

language:

• en
• de
• fr
• es
• it
• pt
• nl
• ru
• uk
• pl
• cs
• sk
• hu
• ro
• bg
• hr
• sl
• sr
• el
• da
• sv
• fi
• et
• lv
• lt
• mt

tags:

• asr
• automatic-speech-recognition
• nvidia
• parakeet
• tdt
• gguf
• multilingual
• european-languages
• speech-to-text

base_model:

• nvidia/parakeet-tdt-0.6b-v3

---

Parakeet TDT 0.6B v3 GGUF

NVIDIA 推出的高效时间依赖转录 (TDT) 多语言语音识别模型，第三代版本，专注于欧洲语言。

模型简介

NVIDIA Parakeet TDT (Time-Delay Transformer) 是采用时间依赖架构的多语言语音识别模型：

• 参数量：0.6B (600M)
• 版本：v3 (第三代)
• 语言支持：25种欧洲语言
• 量化格式：GGUF (llama.cpp 兼容)
• 特点：TDT架构、高准确率、快速推理、欧洲语言专项优化
• 适用场景：欧洲语言语音转写、语音命令识别、字幕生成

支持语言 (25种欧洲语言)

| 语言 | 代码 | 语言 | 代码 | 语言 | 代码 |

|------|------|------|------|------|------|

| 英语 | en | 德语 | de | 法语 | fr |

| 西班牙语 | es | 意大利语 | it | 葡萄牙语 | pt |

| 荷兰语 | nl | 俄语 | ru | 乌克兰语 | uk |

| 波兰语 | pl | 捷克语 | cs | 斯洛伐克语 | sk |

| 匈牙利语 | hu | 罗马尼亚语 | ro | 保加利亚语 | bg |

| 克罗地亚语 | hr | 斯洛文尼亚语 | sl | 塞尔维亚语 | sr |

| 希腊语 | el | 丹麦语 | da | 瑞典语 | sv |

| 芬兰语 | fi | 爱沙尼亚语 | et | 拉脱维亚语 | lv |

| 立陶宛语 | lt | 马耳他语 | mt | - | - |

可用量化版本

| 文件名 | 量化类型 | 文件大小 | 说明 |

|--------|----------|----------|------|

| parakeet-tdt-0.6b-v3-Q4_K_M.gguf | Q4_K_M | ~最小 | 推荐日常使用 |

| parakeet-tdt-0.6b-v3-Q5_K_M.gguf | Q5_K_M | ~小 | 平衡精度 |

| parakeet-tdt-0.6b-v3-Q6_K.gguf | Q6_K | ~中 | 更高精度 |

| parakeet-tdt-0.6b-v3-Q8_0.gguf | Q8_0 | ~中高 | 最高量化精度 |

> 注意：F16/F32 版本已排除，推荐使用量化版本。

使用方法

llama.cpp 命令行

./main -m parakeet-tdt-0.6b-v3-Q4_K_M.gguf -f audio.wav --output-txt

Python (llama-cpp-python)

from llama_cpp import Llama

llm = Llama(
    model_path="parakeet-tdt-0.6b-v3-Q4_K_M.gguf",
    n_gpu_layers=-1,
)

result = llm.transcribe("audio.wav")
print(result["text"])

TDT 架构特点

Parakeet TDT 采用时间延迟Transformer架构，具有以下优势：

1. 时间建模能力强：更好地捕捉语音的时序特征
2. 长音频处理：对长音频有更好的处理能力
3. 快速推理：优化的架构设计，推理速度更快
4. 准确率高：在多个基准测试中表现优异

性能基准

| 测试集 | WER (词错误率) |

|--------|----------------|

| LibriSpeech test-clean | ~3-4% |

| LibriSpeech test-other | ~7-8% |

技术规格

• 架构：Time-Delay Transformer
• 采样率：16kHz
• 输入格式：WAV/PCM 音频
• 推理速度：快速 (具体取决于硬件)

许可证

CC BY 4.0 License

致谢

• 原始模型：nvidia/parakeet-tdt-0.6b-v3
• GGUF转换：由 voconly 团队完成