跳转到主要内容
ToolPotion
AI 顾问
提交(免费)

Moondream Parakeet Redux

Moondream Parakeet Redux 是 parakeet-tdt-0.6b-v3 模型的紧凑版本,经过优化以提高速度和效率。它在多语言任务上提供了更好的性能,同时在英语语音识别方面保持了竞争力的准确性。

查看模型
分享
查看模型
分享

Moondream Parakeet Redux 是一个先进的 AI 模型,旨在增强多语言的语音识别能力。它是 parakeet-tdt-0.6b-v3 模型的精简版本,采用三元权重系统,每个编码器权重为 -1、0 或 +1。这种配置使得模型的大小仅为 178 MB,相比原始的 1.2 GB 模型显著减小。

阅读更多

该模型在实时性能方面表现出色,在八个 x86 CPU 核心上以 113 倍实时速度运行,比其他 Parakeet 运行时快 2.5 倍。尽管体积小,Moondream Parakeet Redux 在英语任务上的字错误率 (WER) 保持在原始模型的 0.3% 以内,并在 25 种语言的 FLEURS 数据集和长音频上超越了原始模型。

Moondream Parakeet Redux 在背景噪声环境中尤其有效,尽管在嘈杂条件下与原始模型相比,性能差距更大。它经过优化以与 Photon 一起运行,直接读取打包的权重,支持包括 x86 上的 AVX-512 VNNI、ARM 上的 NEON 和 Apple GPU 上的 Metal 等多种架构。

该模型采用 CC-BY-4.0 许可证,使其可用于开源项目。它非常适合寻求高性能、多语言语音识别模型的开发者和研究人员,可以集成到各种应用中。该模型处理长音频的能力及其高效的处理能力,使其成为语音识别任务的宝贵工具。

  • 类别AI 模型与大语言模型
  • 定价模式开源
  • 部署云端
  • 平台网页版

  • 三元权重系统

  • 紧凑的模型大小:178 MB

  • 113 倍实时性能

  • 多语言支持:25 种语言

  • Photon 运行时兼容性

  • CC-BY-4.0 许可证

  • 改进的长音频转录

  • 在英语任务上的竞争性 WER

  1. 访问模型:访问 Hugging Face

  2. 身份验证:设置账户

  3. 设置环境:安装 Photon

  4. 通过 API 集成:使用模型权重

  5. 优化:调整设置以提高性能

  • 多语言转录
  • 实时处理
  • 长音频
  • 降噪
  • 开源项目

Hugging Face 旗下产品

Moondream Parakeet Redux 评价

加载中...

与 Moondream Parakeet Redux 类似的热门AI工具

Moondream Parakeet Ultra 是一款先进的语音识别模型,旨在超越其前身 Parakeet TDT-0.6b-v3。它在各种基准测试中表现出色,包括背景噪声和长音频,提供了多种语言的改进字错误率。

AI 转录工具
查看工具

先进的语音识别模型,旨在超越其前身 Parakeet TDT-0.6b-v3。它在各种基准测试中表现出色,包括背景噪声和长音频,提供了多种语言的改进字错误率。Moondream Parakeet Ultra 是一款先进的语音识别模型,旨在超越其前身 Parakeet TDT-0.6b-v3。它在各种基准测试中表现出色,包括背景噪声和长音频,提供了多种语言的改进字错误率。

AI 转录工具
查看 AI 模型 Top 5

Mistral Large 3是一个先进的AI模型,专为企业设计,支持定制、微调和AI助手及代理的部署。它采用稀疏专家混合架构,具有410亿个活跃参数,在多模态和多语言应用中提供先进的能力。

AI 模型与大语言模型
查看工具

先进的AI模型,专为企业设计,支持定制、微调和AI助手及代理的部署。它采用稀疏专家混合架构,具有410亿个活跃参数,在多模态和多语言应用中提供先进的能力。Mistral Large 3是一个先进的AI模型,专为企业设计,支持定制、微调和AI助手及代理的部署。它采用稀疏专家混合架构,具有410亿个活跃参数,在多模态和多语言应用中提供先进的能力。

精选AI 模型与大语言模型
查看 AI 模型 Top 5

NVIDIA Parakeet是一个拥有6亿参数的自动语音识别模型,旨在提供高质量的英语转录,支持标点符号、大小写和准确的时间戳预测。

AI 模型与大语言模型
查看工具

拥有6亿参数的自动语音识别模型,旨在提供高质量的英语转录,支持标点符号、大小写和准确的时间戳预测。NVIDIA Parakeet是一个拥有6亿参数的自动语音识别模型,旨在提供高质量的英语转录,支持标点符号、大小写和准确的时间戳预测。

AI 模型与大语言模型
查看 AI 模型 Top 5

Whisper-large-v3 是一个先进的自动语音识别和语音翻译模型,训练于超过 500 万小时的数据。它在多种语言中提供了更好的性能,旨在为 AI 领域的开发者和研究人员服务。

AI 模型与大语言模型
查看工具

先进的自动语音识别和语音翻译模型,训练于超过 500 万小时的数据。它在多种语言中提供了更好的性能,旨在为 AI 领域的开发者和研究人员服务。Whisper-large-v3 是一个先进的自动语音识别和语音翻译模型,训练于超过 500 万小时的数据。它在多种语言中提供了更好的性能,旨在为 AI 领域的开发者和研究人员服务。

精选AI 模型与大语言模型
查看 AI 模型 Top 5

Hy3 预览

AI 模型

腾讯混元的 Hy3 预览是一个开源语言模型,具有 2950 亿个参数。它在数学、编码和多语言任务中表现出色,提供与 256K 上下文窗口相竞争的性能。可在腾讯云和 OpenRouter 上使用。

AI 模型与大语言模型
查看工具

AI 模型

腾讯混元的 Hy3 预览是一个开源语言模型,具有 2950 亿个参数。它在数学、编码和多语言任务中表现出色,提供与 256K 上下文窗口相竞争的性能。可在腾讯云和 OpenRouter 上使用。

AI 模型与大语言模型
查看 AI 模型 Top 5

Solar Pro Preview Instruct 是一个先进的大型语言模型,拥有 220 亿个参数,旨在高效地在单个 GPU 上运行。与较小的模型相比,它提供了卓越的性能,并与那些显著更大的模型相媲美,使其成为 AI 任务的强大工具。

AI 模型与大语言模型
查看工具

先进的大型语言模型,拥有 220 亿个参数,旨在高效地在单个 GPU 上运行。与较小的模型相比,它提供了卓越的性能,并与那些显著更大的模型相媲美,使其成为 AI 任务的强大工具。Solar Pro Preview Instruct 是一个先进的大型语言模型,拥有 220 亿个参数,旨在高效地在单个 GPU 上运行。与较小的模型相比,它提供了卓越的性能,并与那些显著更大的模型相媲美,使其成为 AI 任务的强大工具。

AI 模型与大语言模型
查看 AI 模型 Top 5

Pixtral-12B-2409 是一个具有 120 亿参数的多模态 AI 模型,配备 4 亿参数的视觉编码器,旨在处理高级图像和文本任务。

AI 模型与大语言模型
查看工具

具有 120 亿参数的多模态 AI 模型,配备 4 亿参数的视觉编码器,旨在处理高级图像和文本任务。Pixtral-12B-2409 是一个具有 120 亿参数的多模态 AI 模型,配备 4 亿参数的视觉编码器,旨在处理高级图像和文本任务。

AI 模型与大语言模型
查看 AI 模型 Top 5

Qwen1.5-110B 是一种基于变换器的语言模型,提供显著的性能提升、多语言支持和稳定的 32K 上下文长度。非常适合高级 AI 应用。

AI 模型与大语言模型
查看工具

基于变换器的语言模型,提供显著的性能提升、多语言支持和稳定的 32K 上下文长度。非常适合高级 AI 应用。Qwen1.5-110B 是一种基于变换器的语言模型,提供显著的性能提升、多语言支持和稳定的 32K 上下文长度。非常适合高级 AI 应用。

AI 模型与大语言模型
查看 AI 模型 Top 5
1/8