Qu’est-ce que Phonon-2 ?
Phonon-2 est un modèle de reconnaissance vocale en anglais de Fermion Research, publié sur Hugging Face le 28 septembre 2026. C'est une version compressée de Parakeet TDT 0.6B v3 de NVIDIA : un entraînement tenant compte de la quantification stocke chaque poids de l'encodeur sur l'un de cinq niveaux appris, soit environ 2,1 bits, ce qui fait passer le téléchargement de 2 508 Mo à 164 Mo.
Il tourne via MLX sur Apple Silicon, sur le Neural Engine grâce à une version Core ML, sur les CPU Linux et Windows, sur les GPU NVIDIA via Docker et sur Android arm64 grâce à des bibliothèques natives. C'est le modèle intégré à Detta, l'application gratuite de dictée sur l'appareil de Fermion pour les Mac Apple Silicon.
Les poids conservent la licence CC-BY-4.0 de Parakeet : l'usage commercial est donc autorisé avec attribution ; la ligne de commande et le code de Fermion sont sous Apache 2.0.
Combien coûte Phonon-2 ?
| Offre | Prix | Ce qui est inclus |
|---|---|---|
| Weights | Free | CC-BY-4.0, attribution obligatoire |
| Detta (Mac) | Free | Apple Silicon, macOS 26.2 ou plus récent |
Poids gratuits sous CC-BY-4.0 ; CLI et code sous Apache 2.0 ; application Detta gratuite sur les Mac Apple Silicon.
Phonon-2 vaut-il le coup ?
La réussite de Phonon-2 est la compression, pas un nouveau modèle, et les chiffres tiennent bien. Sur les sept jeux anglais de l'Open ASR Leaderboard, il obtient en moyenne 5,21 % d'erreur par mot contre 4,96 % pour le Parakeet complet dont il est issu : un quart de point perdu pour un fichier 15 fois plus petit. Il bat le Parakeet Redux de Moondream, de taille comparable (178 Mo, 5,69 %), et Whisper large-v3-turbo (1 618 Mo, 6,58 %), et sur les débats parlementaires (VoxPopuli, 2,46 contre 3,19) il bat l'original.
Ces chiffres sont ceux de Fermion, mais ils ont été produits avec le code du leaderboard lui-même sur les jeux de test complets, et les lignes de comparaison marquées comme chiffres du leaderboard peuvent être vérifiées. Les pertes se concentrent là où on les attend avec une quantification poussée : les conférences sur les résultats financiers (6,96 contre 5,85) et LibriSpeech other (3,92 contre 3,13), les jeux plus difficiles et plus bruités.
La vitesse est la deuxième raison de s'y intéresser. Fermion annonce une heure d'audio en environ 20 secondes sur un MacBook Air M5 (174 fois le temps réel), 143 fois sur huit cœurs Zen 5 et 6 680 fois sur une H100 par lots de 128. Un tel débit sur CPU signifie qu'un portable ou une petite instance cloud peut transcrire sans GPU.
Les limites sont celles de Parakeet, plus une : anglais uniquement, conventions de ponctuation et de casse héritées de NVIDIA, pas d'identification des locuteurs, et une taille de téléchargement qui n'est pas la mémoire utilisée à l'exécution, car les moteurs décompressent les poids au chargement. Fermion est une petite entreprise qui ne dit pas où elle est basée. Pour le multilingue ou la diarisation, Nemotron 3.5 Transcribe est le meilleur modèle ; pour un modèle anglais de 164 Mo livré dans une application, la revendication de Fermion d'avoir le modèle ouvert le plus précis sous 900 Mo correspond à chaque ligne de comparaison qu'il publie.
Là où il fait la différence
Une développeuse iOS et macOS qui crée une application de prise de notes
Ajouter une dictée en anglais hors ligne sans facture cloud
Intégrez la version Core ML pour le Neural Engine ; un modèle de 164 Mo tient dans le téléchargement normal d'une application, et la transcription ne quitte jamais l'appareil, ce qui simplifie la politique de confidentialité.
Un ingénieur backend chez un hébergeur de podcasts
Transcrire 5 000 heures d'épisodes en anglais par mois sans GPU
À 143 fois le temps réel sur 16 vCPU, une instance traite environ 143 heures d'audio par heure : le volume demande donc environ 35 heures d'instance par mois avec l'image Docker CPU.
Un développeur Android dans un éditeur de logiciels pour techniciens itinérants
Permettre aux techniciens de dicter leurs notes d'intervention sans réseau
Fermion publie des bibliothèques de moteur CPU arm64-v8a pour l'API 26 et au-delà, avec un en-tête C ; les horodatages par mot sont renvoyés avec --json sur ordinateur, et la licence CC-BY n'exige que l'attribution.
Avant de vous engager
- Mise en route
- pip install fermion-research plus les paquets mlx sur Apple Silicon (Python 3.10 ou plus récent), puis phonon transcribe recording.wav ; ou un seul docker run avec l'image CPU ou CUDA.
- Intégrations
- MLX, Core ML (Neural Engine), moteur CPU Linux et Windows, image Docker CUDA, bibliothèques natives Android, un serveur local documenté par Fermion et l'application Detta pour Mac.
- Données et confidentialité
- Tourne entièrement sur votre matériel ; rien n'est envoyé à Fermion. Poids sous CC-BY-4.0 comme l'original de NVIDIA, avec un NOTICE listant les modifications ; code sous Apache 2.0.
- Coût à grande échelle
- Aucun GPU nécessaire : environ 143 fois le temps réel sur huit cœurs Zen 5. Sur une H100 par lots de 128, Fermion annonce 6 680 fois le temps réel, soit environ 111 heures d'audio par minute.
- Limites
- Anglais uniquement ; conventions de sortie de Parakeet ; pas de diarisation ; la mémoire à l'exécution dépasse le téléchargement de 164 Mo, car les poids sont décompressés au chargement.
Les points forts
- 5,21 % de WER moyen en anglais pour un téléchargement de 164 Mo, contre 4,96 % pour l'original de 2,5 Go
- 174 fois le temps réel sur un MacBook Air M5 ; 143 fois sur huit cœurs CPU
- Tourne sur MLX, Core ML, CPU Linux et Windows, CUDA et Android
- La licence CC-BY-4.0 autorise l'usage commercial avec attribution
Les points faibles
- Anglais uniquement
- Perd environ un point de WER sur les conférences financières par rapport à l'original
- Ni identification des locuteurs ni traduction
- Les chiffres de précision et de vitesse viennent de Fermion
Idéal pour
Les développeurs d'applications qui ont besoin d'une transcription précise de l'anglais sur un portable, un téléphone ou un serveur CPU sans livrer un modèle de plusieurs gigaoctets.
Alternatives à Phonon-2
Phonon-2 : questions fréquentes
- Phonon-2 vaut-il le coup ?
- Phonon-2, c'est Parakeet à un quinzième de sa taille avec presque la même précision, ce qui rend une bonne transcription en anglais réaliste dans le téléchargement d'une application. Nous lui donnons 4.1 sur 5.
- Combien coûte Phonon-2 ?
- Poids gratuits sous CC-BY-4.0 ; CLI et code sous Apache 2.0 ; application Detta gratuite sur les Mac Apple Silicon.
- Quels sont les inconvénients de Phonon-2 ?
- Anglais uniquement; perd environ un point de WER sur les conférences financières par rapport à l'original; ni identification des locuteurs ni traduction; les chiffres de précision et de vitesse viennent de Fermion.
- À qui s’adresse Phonon-2 ?
- Les développeurs d'applications qui ont besoin d'une transcription précise de l'anglais sur un portable, un téléphone ou un serveur CPU sans livrer un modèle de plusieurs gigaoctets.
- Combien coûte Phonon-2 pour une équipe ou en production ?
- Aucun GPU nécessaire : environ 143 fois le temps réel sur huit cœurs Zen 5. Sur une H100 par lots de 128, Fermion annonce 6 680 fois le temps réel, soit environ 111 heures d'audio par minute.
- Phonon-2 est-il sûr pour les données de l’entreprise ?
- Tourne entièrement sur votre matériel ; rien n'est envoyé à Fermion. Poids sous CC-BY-4.0 comme l'original de NVIDIA, avec un NOTICE listant les modifications ; code sous Apache 2.0.
- Quelles sont les meilleures alternatives à Phonon-2 ?
- Les alternatives les plus proches que nous avons testées sont Parakeet TDT 0.6B v3, Whisper large-v3-turbo et NVIDIA Nemotron 3.5 Transcribe.
Réponses vérifiées le 31 oct. 2026.