Новые модели 30 ОКТЯБРЯ 2026
nvidia/nemotron-labs-unified-asr-0.6b: новая модель в трендах Hugging Face
Рейтинги trending-asr, место 9
Автор nvidia
Ссылка https://huggingface.co/nvidia/nemotron-labs-unified-asr-0.6b
Лицензия OpenMDW-1.1
Что это
Nemotron-Labs-Unified-ASR-0.6b — унифицированная мультиязычная модель распознавания речи, объединяющая офлайн- и стриминговый инференс (минимальная алгоритмическая задержка 160 мс) в одной модели. Это мультиязычная версия Parakeet-unified-en-0.6b, расширенная до 25 европейских языков и обученная преимущественно на наборе Granary. Транскрибирует речь с пунктуацией и заглавными буквами и использует language-ID prompt на энкодере для выбора целевого языка.
Данные из карточки
- Архитектура Unified-FastConformer-RNNT с языковым промптом: энкодер FastConformer на 24 слоя, RNNT-декодер, 600M параметров.
- Обучение совместно в офлайн- и стриминговом режимах с mode-consistency regularization; на ~670 000 часов аудио (Granary + NeMo ASR Set 3.0).
- Английский, 7 очищенных наборов: средний WER 4.68 в офлайне и 5.41 при задержке 1.12 с; по всем 25 языкам (44 прогона) — 9.49 и 11.85 соответственно.
- Задержку стриминга можно настраивать от 2080 мс до 160 мс шагом 80 мс без переобучения; режим
target_lang=auto— автоматическое определение языка. - Стриминговый пайплайн буферизованный, а не cache-aware: левый контекст пересчитывается на каждом шаге, из-за чего вычисления дороже, чем у cache-aware стриминга при той же задержке.
- Может служить ASR-фронтендом каскадного синхронного перевода речи; релиз на Hugging Face 27.10.2026.