O que é Parakeet TDT 0.6B v3?
O Parakeet TDT 0.6B v3 é um modelo de reconhecimento de fala de 600 milhões de parâmetros da NVIDIA, publicado no Hugging Face em 14 de agosto de 2025 sob a licença CC BY 4.0, que permite uso comercial com atribuição. Ele amplia o v2, que era só em inglês, para 25 idiomas europeus, do búlgaro ao ucraniano, e detecta o idioma automaticamente.
Ele adiciona pontuação, maiúsculas e timestamps por palavra, segmento e caractere, e processa até 24 minutos de áudio com atenção completa em uma A100 80GB, ou até 3 horas com atenção local. A NVIDIA diz que ele precisa de pelo menos 2GB de memória para carregar. Ele roda pelo toolkit NeMo da NVIDIA, pelo Hugging Face Transformers ou pelo runtime leve NeMo-Speech.cpp, e o NeMo inclui um script de streaming em blocos.
Quanto custa Parakeet TDT 0.6B v3?
| Plano | Preço | O que inclui |
|---|---|---|
| Weights | Free | CC BY 4.0 |
| Together AI | $0.0015 a minute ($1.50 per 1,000 minutes) |
Gratuito sob CC BY 4.0. A versão hospedada da Together AI custa US$ 0,0015 por minuto (US$ 1,50 por 1.000 minutos).
Parakeet TDT 0.6B v3 vale a pena?
O Parakeet v3 é o modelo de transcrição mais rápido que a Artificial Analysis mede. A implantação na Together AI roda a 617,7 vezes o tempo real, à frente do Deepgram Nova-3 com 546,2, o que significa que uma hora de áudio volta em cerca de seis segundos. A acurácia é comum: um AA-WER de 4,5% empata com o Whisper large-v3 na Together e fica em 39º de 62 entradas.
O caso hospedado é mais fraco que o auto-hospedado. A Together cobra US$ 1,50 por 1.000 minutos, enquanto o Whisper large-v3-turbo na Groq custa US$ 0,67 com 4,6% de erro, então quem só quer uma API paga mais que o dobro por uma velocidade de que talvez não precise. Os líderes em acurácia também se distanciaram: o MAI-Transcribe-2 da Microsoft marca 2,0% a US$ 1,67, e o Voxtral Small Transcribe 3 da Mistral chega a 2,1%.
O modelo justifica seu lugar no seu próprio hardware. Com 600 milhões de parâmetros e um piso de 2GB de memória, ele cabe ao lado de outras cargas em uma única GPU, os timestamps vêm de graça e o modo de atenção local de 3 horas da NVIDIA processa uma reunião ou audiência inteira sem lógica de divisão em blocos. A NVIDIA o treinou em 128 A100s, e o corpus Granary por trás dele é público, o que é mais transparência de treinamento do que a maioria dos rivais comerciais oferece.
A lista de idiomas é o limite. Ela cobre 25 idiomas europeus e nada mais, então uma central de atendimento que recebe chamadas em árabe, hindi ou mandarim precisa do Whisper ou de um modelo hospedado ao lado dele, e a exigência de atribuição da CC BY 4.0 é uma linha a mais de revisão jurídica do que a MIT do Whisper.
Onde ele se destaca
Um engenheiro de ML em uma empresa alemã de monitoramento de mídia que processa 10.000 horas de transmissão por mês
Transcrever e marcar com timestamps TV e rádio europeias em GPUs próprias
Rode o Parakeet v3 no NeMo nas GPUs existentes. Aos 617,7 vezes o tempo real que a Artificial Analysis mediu na Together, as 10.000 horas de um mês dão cerca de 16 horas de processamento; os mesmos 600.000 minutos na Together custariam cerca de US$ 900.
Uma equipe de produto criando legendas ao vivo para um app de videoconferência pan-europeu
Legendar chamadas no idioma de quem fala sem pedir que o usuário escolha um
A detecção automática de idioma em 25 idiomas e o script de streaming em blocos do NeMo cobrem o básico; chamadas em inglês, francês e alemão funcionam, mas um participante falando turco ou árabe não terá nada utilizável.
Uma startup de legal tech que lida com gravações judiciais que não podem sair da UE
Produzir transcrições com timestamps de audiências de até três horas
A atenção local processa um arquivo de 3 horas em uma passada on-premise, então o áudio nunca chega a uma API de terceiros. A contrapartida é uma taxa de erro de 4,5%, então nomes e números ainda precisam de revisão humana.
Antes de decidir
- Configuração
- pip install NeMo, carregue nvidia/parakeet-tdt-0.6b-v3 com from_pretrained e chame transcribe com timestamps=True; a NVIDIA lista o Linux como plataforma suportada.
- Integrações
- NeMo, Hugging Face Transformers e NeMo-Speech.cpp; Together AI para um endpoint hospedado. A página NIM da NVIDIA cobre o v2, não o v3.
- Dados e privacidade
- A CC BY 4.0 permite uso comercial com atribuição e sem teto de receita. Auto-hospedado, o áudio fica no seu hardware; os termos de retenção da Together se aplicam à versão hospedada.
- Custo em escala
- Auto-hospedado, precisa de apenas 2GB para carregar, então roda em qualquer GPU NVIDIA recente. Hospedado na Together, 600.000 minutos por mês custam cerca de US$ 900; o Whisper turbo na Groq custaria cerca de US$ 400 pelo mesmo volume.
- Limites
- Apenas 25 idiomas europeus; 24 minutos por arquivo com atenção completa em uma A100 80GB, 3 horas com atenção local; AA-WER de 4,5%.
O que é bom
- 617,7 vezes o tempo real na Together AI, primeiro no ranking da Artificial Analysis
- 600M de parâmetros, carrega em 2GB de memória
- Timestamps por palavra, segmento e caractere; até 3 horas por arquivo com atenção local
O que não é
- Apenas 25 idiomas europeus
- AA-WER de 4,5%, cerca do dobro do erro do Scribe v2 ou do Voxtral Small Transcribe 3
- Hospedado na Together a US$ 1,50 por 1.000 minutos, mais que o Whisper turbo na Groq a US$ 0,67
- A CC BY 4.0 exige atribuição
Ideal para
Desenvolvedores que transcrevem grandes volumes de áudio em idiomas europeus e valorizam velocidade e baixo custo.
Alternativas ao Parakeet TDT 0.6B v3
Parakeet TDT 0.6B v3: perguntas frequentes
- Parakeet TDT 0.6B v3 vale a pena?
- O Parakeet v3 é o recorde de velocidade em transcrição, com acurácia de nível Whisper e uma fronteira rígida em torno da Europa. Damos nota 4.1 de 5.
- Quanto custa Parakeet TDT 0.6B v3?
- Gratuito sob CC BY 4.0. A versão hospedada da Together AI custa US$ 0,0015 por minuto (US$ 1,50 por 1.000 minutos).
- Quais são as desvantagens de Parakeet TDT 0.6B v3?
- Apenas 25 idiomas europeus; aA-WER de 4,5%, cerca do dobro do erro do Scribe v2 ou do Voxtral Small Transcribe 3; hospedado na Together a US$ 1,50 por 1.000 minutos, mais que o Whisper turbo na Groq a US$ 0,67; a CC BY 4.0 exige atribuição.
- Para quem Parakeet TDT 0.6B v3 é indicado?
- Desenvolvedores que transcrevem grandes volumes de áudio em idiomas europeus e valorizam velocidade e baixo custo.
- Quanto custa Parakeet TDT 0.6B v3 para uma equipe ou em produção?
- Auto-hospedado, precisa de apenas 2GB para carregar, então roda em qualquer GPU NVIDIA recente. Hospedado na Together, 600.000 minutos por mês custam cerca de US$ 900; o Whisper turbo na Groq custaria cerca de US$ 400 pelo mesmo volume.
- Parakeet TDT 0.6B v3 é seguro para dados da empresa?
- A CC BY 4.0 permite uso comercial com atribuição e sem teto de receita. Auto-hospedado, o áudio fica no seu hardware; os termos de retenção da Together se aplicam à versão hospedada.
- Quais são as melhores alternativas ao Parakeet TDT 0.6B v3?
- As alternativas mais próximas que analisamos são Whisper large-v3-turbo, VibeVoice-ASR e Deepgram Nova-3.
Respostas verificadas em 23 de out. de 2026.