NVIDIA : Parakeet TDT 0.6B v3
Parakeet v3 est un modèle de NVIDIA sorti le 15 août 2025, conçu pour la transcription de la parole en texte à haut débit. Il prend de l’audio en entrée et en rend la transcription écrite.
Ce que Parakeet v3 change par rapport à Parakeet TDT 0.6B v2
Parakeet v3 fait passer la prise en charge de Parakeet TDT 0.6B v2 de l’anglais seul à 25 langues européennes. Ses fonctions clés reposent sur celles de la v2, que NVIDIA désigne comme son prédécesseur. Dans son rapport technique publié sur arXiv le 17 septembre 2025, NVIDIA présente la v3 comme le successeur de la v2 : elle reconnaît la parole dans les mêmes langues que Canary-1B-v2.
À quoi sert Parakeet v3
Audio
Parakeet v3 accepte en entrée des fichiers audio .wav et .flac, monocanal à 16 kHz, et en rend la transcription. Il détecte automatiquement la langue de l’enregistrement et le transcrit sans instruction supplémentaire.
Transcription vocale
Parakeet v3 est conçu pour la reconnaissance automatique de la parole multilingue et la transcription à haut débit, sur des tâches à grande vitesse et à faible latence. Il ajoute automatiquement la ponctuation et les majuscules.
Le modèle produit aussi des horodatages au niveau du mot et du segment. NVIDIA cite comme exemples d’applications l’IA conversationnelle, les assistants vocaux, les services de transcription, la génération de sous-titres et les plateformes d’analyse vocale, sans limiter les usages à ces exemples.
- Audio
- Transcription
Les performances de Parakeet v3
Selon la carte Hugging Face de NVIDIA, Parakeet v3 affiche à sa sortie un taux d’erreur par mot moyen en reconnaissance multilingue de 11,97 % sur Fleurs, 7,83 % sur MLS et 11,98 % sur CoVoST, avec un décodeur Transducer en décodage glouton et sans modèle de langage externe. Ces taux sont calculés après retrait de la ponctuation et des majuscules du texte de référence et du texte prédit.
Selon la carte Hugging Face de NVIDIA, le taux d’erreur par mot en français atteint à sa sortie 5,15 % sur Fleurs, 4,97 % sur MLS et 6,05 % sur CoVoST. Sur les jeux de test en anglais de l’Open ASR Leaderboard de Hugging Face, le modèle obtient un taux d’erreur par mot moyen de 6,34 %, dont 1,93 % sur LibriSpeech test-clean et 3,59 % sur LibriSpeech test-other.
Caractéristiques techniques de Parakeet v3
Parakeet v3 repose sur un encodeur FastConformer et un décodeur TDT, et compte 600 millions de paramètres.
Le modèle prend en charge 25 langues : le bulgare, le croate, le tchèque, le danois, le néerlandais, l’anglais, l’estonien, le finnois, le français, l’allemand, le grec, le hongrois, l’italien, le letton, le lituanien, le maltais, le polonais, le portugais, le roumain, le slovaque, le slovène, l’espagnol, le suédois, le russe et l’ukrainien.
Selon la carte Hugging Face de NVIDIA, le modèle transcrit à sa sortie de l’audio long : jusqu’à 24 minutes avec l’attention complète sur un GPU A100 de 80 Go, jusqu’à 3 heures avec l’attention locale. Il produit du texte comprenant la ponctuation et les majuscules.
Selon la carte Hugging Face de NVIDIA, le modèle a été entraîné sur 10 000 heures de NeMo ASR Set 3.0 transcrites par des humains et sur 660 000 heures de données pseudo-étiquetées du jeu Granary. L’utilisation de Parakeet TDT 0.6B v3 est régie par la licence CC-BY-4.0. Le modèle était, à sa sortie, prêt pour un usage commercial ou non commercial.
- Éditeur
- NVIDIA
- Sortie
- Hébergeurs
- Together
Source : OpenRouter.
Où utiliser Parakeet v3
Parakeet v3 s’utilise dans la boîte à outils NeMo de NVIDIA, comme point de départ préentraîné pour l’inférence ou pour un affinage sur un autre jeu de données. Dans son billet du 15 août 2025, NVIDIA annonçait la disponibilité des nouveaux modèles Parakeet et Canary ainsi que du jeu de données Granary sur Hugging Face.
Le modèle peut aussi s’exécuter avec la bibliothèque Transformers de Hugging Face, et NeMo-Speech.cpp fournit pour l’inférence locale un environnement d’exécution C++ natif et léger compatible avec lui. Sur OpenRouter, le modèle est référencé sous l’identifiant nvidia/parakeet-tdt-0.6b-v3.
L'API chez des hébergeurs
Servi par d'autres hébergeurs que NVIDIA, selon OpenRouter
Un accès gratuit dépend toujours de l'outil, de l'offre et de ses limites : nous ne l'attribuons pas au modèle seul.
FAQ
Quand Parakeet v3 est-il sorti ?
Parakeet TDT 0.6B v3 est sorti le 15 août 2025. Selon le billet de NVIDIA publié ce jour-là, les nouveaux modèles Canary et Parakeet ainsi que le jeu de données Granary étaient alors disponibles sur Hugging Face.
Parakeet v3 transcrit-il le français ?
Parakeet v3 prend en charge le français. Selon la carte Hugging Face de NVIDIA, son taux d’erreur par mot en français était à sa sortie de 5,15 % sur Fleurs, de 4,97 % sur MLS et de 6,05 % sur CoVoST.
Parakeet v3 peut-il traiter de longs enregistrements ?
Selon la carte Hugging Face de NVIDIA, Parakeet v3 transcrit à sa sortie jusqu’à 24 minutes d’audio avec l’attention complète sur un GPU A100 de 80 Go, et jusqu’à 3 heures avec l’attention locale.
Peut-on effectuer un fine-tuning de Parakeet v3 ?
Parakeet v3 sert de point de départ préentraîné pour un fine-tuning, c’est-à-dire un affinage sur un autre jeu de données, dans la boîte à outils NeMo de NVIDIA.
Usage sur OpenRouter
- Transcription
- 3,67 M requêtes sur le dernier mois · 5e sur 20 des modèles les plus utilisés en Transcription
Source : OpenRouter (openrouter.ai/rankings), au , données sous licence CC BY 4.0. Le volume traité via l'API OpenRouter mesure l'adoption, pas la qualité.