Qu’est-ce que Parakeet TDT 0.6B v3 ?
Parakeet TDT 0.6B v3 est un modèle de reconnaissance vocale de 600 millions de paramètres de NVIDIA, publié sur Hugging Face le 14 août 2025 sous la licence CC BY 4.0, qui autorise l'usage commercial avec attribution. Il étend le v2 uniquement anglais à 25 langues européennes, du bulgare à l'ukrainien, et détecte la langue automatiquement.
Il ajoute la ponctuation, la capitalisation et les horodatages au niveau du mot, du segment et du caractère, et gère jusqu'à 24 minutes d'audio avec l'attention complète sur un A100 80GB, ou jusqu'à 3 heures avec l'attention locale. NVIDIA indique qu'il a besoin d'au moins 2GB de mémoire pour se charger. Il tourne via la boîte à outils NeMo de NVIDIA, Hugging Face Transformers ou le runtime léger NeMo-Speech.cpp, et NeMo inclut un script de streaming par morceaux.
Combien coûte Parakeet TDT 0.6B v3 ?
| Offre | Prix | Ce qui est inclus |
|---|---|---|
| Weights | Free | CC BY 4.0 |
| Together AI | $0.0015 a minute ($1.50 per 1,000 minutes) |
Gratuit sous CC BY 4.0. La version hébergée de Together AI coûte 0,0015 $ la minute (1,50 $ les 1 000 minutes).
Parakeet TDT 0.6B v3 vaut-il le coup ?
Parakeet v3 est le modèle de transcription le plus rapide qu'Artificial Analysis mesure. Son déploiement sur Together AI tourne à 617,7 fois le temps réel, devant Deepgram Nova-3 à 546,2, ce qui signifie qu'une heure d'audio revient en environ six secondes. La précision est ordinaire : un AA-WER de 4,5 % égale Whisper large-v3 sur Together et se situe 39e sur 62 entrées.
L'argument hébergé est plus faible que celui auto-hébergé. Together facture 1,50 $ les 1 000 minutes, tandis que Whisper large-v3-turbo sur Groq coûte 0,67 $ à 4,6 % d'erreur, si bien qu'un acheteur qui ne veut qu'une API paie plus du double pour une vitesse dont il n'a peut-être pas besoin. Les leaders de la précision se sont aussi éloignés : le MAI-Transcribe-2 de Microsoft obtient 2,0 % à 1,67 $, et le Voxtral Small Transcribe 3 de Mistral atteint 2,1 %.
Le modèle gagne sa place sur votre propre matériel. À 600 millions de paramètres et un plancher de 2GB de mémoire, il tient à côté d'autres charges de travail sur un seul GPU, les horodatages viennent gratuitement, et le mode d'attention locale de 3 heures de NVIDIA gère une réunion ou une audience complète sans logique de découpage. NVIDIA l'a entraîné sur 128 A100, et le corpus Granary derrière lui est publié, ce qui est plus de transparence d'entraînement que la plupart des rivaux commerciaux ne donnent.
La liste des langues est la limite. Elle couvre 25 langues européennes et rien d'autre, si bien qu'un centre de contact qui prend des appels en arabe, hindi ou mandarin a besoin de Whisper ou d'un modèle hébergé à côté, et l'exigence d'attribution CC BY 4.0 est une ligne de revue juridique de plus que le MIT de Whisper.
Là où il fait la différence
Un ingénieur ML dans une entreprise allemande de veille médias qui traite 10 000 heures de diffusion par mois
Transcrire et horodater la TV et la radio européennes sur des GPU possédés
Faire tourner Parakeet v3 dans NeMo sur les GPU existants. Aux 617,7 fois le temps réel qu'Artificial Analysis a mesuré sur Together, les 10 000 heures d'un mois font environ 16 heures de traitement ; les mêmes 600 000 minutes sur Together coûteraient environ 900 $.
Une équipe produit qui construit des légendes en direct pour une appli de visioconférence paneuropéenne
Légender les appels dans la langue du locuteur sans demander aux utilisateurs d'en choisir une
La détection automatique de langue sur 25 langues et le script de streaming par morceaux de NeMo couvrent les bases ; les appels en anglais, français et allemand fonctionnent, mais un participant qui parle turc ou arabe n'obtiendra rien d'utilisable.
Une startup legal-tech qui gère des enregistrements de tribunal qui ne peuvent pas quitter l'UE
Produire des transcriptions horodatées d'audiences jusqu'à trois heures
L'attention locale gère un fichier de 3 heures en une passe sur site, si bien que l'audio n'atteint jamais une API tierce. Le compromis est un taux d'erreur de 4,5 %, si bien que les noms et chiffres ont encore besoin d'une vérification humaine.
Avant de vous engager
- Mise en route
- pip install NeMo, chargez nvidia/parakeet-tdt-0.6b-v3 avec from_pretrained et appelez transcribe avec timestamps=True ; NVIDIA liste Linux comme plateforme prise en charge.
- Intégrations
- NeMo, Hugging Face Transformers et NeMo-Speech.cpp ; Together AI pour un endpoint hébergé. La page NIM de NVIDIA couvre le v2, pas le v3.
- Données et confidentialité
- CC BY 4.0 autorise l'usage commercial avec attribution et sans plafond de revenus. Auto-hébergé, l'audio reste sur votre matériel ; les conditions de conservation de Together s'appliquent à sa version hébergée.
- Coût à grande échelle
- Auto-hébergé, il n'a besoin que de 2GB pour se charger, si bien qu'il tourne sur n'importe quel GPU NVIDIA récent. Hébergé sur Together, 600 000 minutes par mois coûtent environ 900 $ ; Whisper turbo sur Groq reviendrait à environ 400 $ pour le même volume.
- Limites
- 25 langues européennes uniquement ; 24 minutes par fichier avec l'attention complète sur un A100 80GB, 3 heures avec l'attention locale ; AA-WER de 4,5 %.
Les points forts
- 617,7 fois le temps réel sur Together AI, premier sur le tableau d'Artificial Analysis
- 600M de paramètres, se charge dans 2GB de mémoire
- Horodatages au niveau du mot, du segment et du caractère ; jusqu'à 3 heures par fichier avec l'attention locale
Les points faibles
- 25 langues européennes uniquement
- AA-WER de 4,5 %, environ le double de l'erreur de Scribe v2 ou Voxtral Small Transcribe 3
- Hébergé sur Together à 1,50 $ les 1 000 minutes, plus que Whisper turbo sur Groq à 0,67 $
- CC BY 4.0 exige l'attribution
Idéal pour
Les développeurs qui transcrivent de gros volumes d'audio en langues européennes et privilégient la vitesse et le bas coût.
Alternatives à Parakeet TDT 0.6B v3
Parakeet TDT 0.6B v3 : questions fréquentes
- Parakeet TDT 0.6B v3 vaut-il le coup ?
- Parakeet v3 est le record de vitesse en transcription, avec une précision de classe Whisper et une frontière stricte autour de l'Europe. Nous lui donnons 4.1 sur 5.
- Combien coûte Parakeet TDT 0.6B v3 ?
- Gratuit sous CC BY 4.0. La version hébergée de Together AI coûte 0,0015 $ la minute (1,50 $ les 1 000 minutes).
- Quels sont les inconvénients de Parakeet TDT 0.6B v3 ?
- 25 langues européennes uniquement; aA-WER de 4,5 %, environ le double de l'erreur de Scribe v2 ou Voxtral Small Transcribe 3; hébergé sur Together à 1,50 $ les 1 000 minutes, plus que Whisper turbo sur Groq à 0,67 $; cC BY 4.0 exige l'attribution.
- À qui s’adresse Parakeet TDT 0.6B v3 ?
- Les développeurs qui transcrivent de gros volumes d'audio en langues européennes et privilégient la vitesse et le bas coût.
- Combien coûte Parakeet TDT 0.6B v3 pour une équipe ou en production ?
- Auto-hébergé, il n'a besoin que de 2GB pour se charger, si bien qu'il tourne sur n'importe quel GPU NVIDIA récent. Hébergé sur Together, 600 000 minutes par mois coûtent environ 900 $ ; Whisper turbo sur Groq reviendrait à environ 400 $ pour le même volume.
- Parakeet TDT 0.6B v3 est-il sûr pour les données de l’entreprise ?
- CC BY 4.0 autorise l'usage commercial avec attribution et sans plafond de revenus. Auto-hébergé, l'audio reste sur votre matériel ; les conditions de conservation de Together s'appliquent à sa version hébergée.
- Quelles sont les meilleures alternatives à Parakeet TDT 0.6B v3 ?
- Les alternatives les plus proches que nous avons testées sont Whisper large-v3-turbo, VibeVoice-ASR et Deepgram Nova-3.
Réponses vérifiées le 23 oct. 2026.