Parakeet TDT 0.6B v3 oder Cohere Transcribe: welches sollten Sie verwenden?
Parakeet v3 deckt 25 europäische Sprachen mit Zeitstempeln unter CC BY 4.0 ab; Cohere Transcribe deckt 14 Sprachen ab, darunter Chinesisch, Japanisch und Koreanisch, unter Apache 2.0.
Fazit. Wählen Sie zuerst nach Sprachen, dann danach, ob Sie Zeitstempel brauchen. Parakeet TDT 0.6B v3 transkribiert 25 europäische Sprachen, erkennt die Sprache selbst, fügt Zeichensetzung und Wort-Level-Zeitstempel hinzu, läuft in NVIDIAs NeMo oder in Transformers und verarbeitet auf einer 80-GB-GPU bis zu 24 Minuten Audio in einem Durchgang. Es hat kein Chinesisch, Japanisch, Koreanisch oder Arabisch, und die CC-BY-4.0-Lizenz verlangt die Nennung von NVIDIA. Cohere Transcribe (2.07B) deckt 14 Sprachen ab, darunter Hochchinesisch, Japanisch, Koreanisch und Arabisch, unter Apache 2.0. Cohere berichtet eine durchschnittliche Word Error Rate von 5,42 % auf dem englischen Open ASR Leaderboard im März 2026, und NVIDIA berichtet 6,34 % für Parakeet über dieselbe Gruppe englischer Datensätze. Beide Werte wurden von den jeweiligen Entwicklern zu unterschiedlichen Zeitpunkten gemessen, also nur als grobe Orientierung betrachten. Cohere Transcribe hat keine Spracherkennung, keine Zeitstempel und keine Sprecher-Labels, und Hugging Face verlangt Ihre Kontaktdaten, bevor es die Gewichte freigibt.
Spezifikationen
| Spezifikationen | Parakeet TDT 0.6B v3 | Cohere Transcribe |
|---|---|---|
| Entwickler | NVIDIA | Cohere |
| Erscheinungsdatum | 14. August 2025 | 26. März 2026 |
| Parameter insgesamt | 627M (Parakeet TDT 0.6B v3) | 2.07B (Cohere Transcribe 03-2026) |
| Aktive Parameter | Alle | Alle |
| Architektur | Sonstige | Sonstige |
| Kontextfenster | – | – |
| Eingabe | Audio | Audio |
| Lizenz | CC BY 4.0 (Permissiv) | Apache 2.0 (Permissiv) |
| Speicher für die kleinste Variante (4 Bit) | 2.89 GB (Parakeet TDT 0.6B v3) | 4.75 GB (Cohere Transcribe 03-2026) |
Leistungsangaben stammen vom Entwickler und wurden nicht unabhängig überprüft.
Wählen Sie Parakeet TDT 0.6B v3, wenn
- Sie transkribieren europäische Sprachen und wollen die Sprache automatisch erkannt bekommen.
- Sie brauchen Wort-Level-Zeitstempel für Untertitel oder Suche.
- Sie wollen das kleinere 0.6B-Modell, mit einer 0,71-GB-8-Bit-GGUF-Datei für NeMo-Speech.cpp.
- Sie können NVIDIA unter CC BY 4.0 nennen und auf Linux mit NVIDIA-GPUs laufen lassen.
Wählen Sie Cohere Transcribe, wenn
- Sie brauchen Chinesisch, Japanisch, Koreanisch oder Arabisch, die Parakeet v3 nicht abdeckt.
- Sie wollen Apache 2.0 ohne Nennungspflicht.
- Sie kennen die Sprache im Voraus und achten vor allem auf die englische Genauigkeit im Leaderboard-Durchschnitt.
- Sie transkribieren lange Aufnahmen im Batch, da Cohere sagt, dass der Offline-Durchsatz bis zu dreimal so hoch ist wie der von gleich großen dedizierten Erkennungsmodellen.