Parakeet TDT 0.6B v3 ou Cohere Transcribe : lequel choisir ?
Parakeet v3 couvre 25 langues européennes avec horodatages sous CC BY 4.0 ; Cohere Transcribe couvre 14 langues, dont le chinois, le japonais et le coréen, sous Apache 2.0.
Verdict. Choisissez d'abord selon les langues, puis selon le besoin d'horodatages. Parakeet TDT 0.6B v3 transcrit 25 langues européennes, détecte la langue lui-même, ajoute la ponctuation et des horodatages au niveau du mot, tourne dans le NeMo de NVIDIA ou dans Transformers et traite jusqu'à 24 minutes d'audio en une passe sur une GPU de 80 Go. Il n'a ni chinois, ni japonais, ni coréen, ni arabe, et sa licence CC BY 4.0 impose de créditer NVIDIA. Cohere Transcribe (2.07B) couvre 14 langues, dont le mandarin, le japonais, le coréen et l'arabe, sous Apache 2.0. Cohere rapporte un taux moyen d'erreur par mot de 5,42 % sur le classement Open ASR en anglais en mars 2026, et NVIDIA rapporte 6,34 % pour Parakeet sur le même ensemble de jeux de données anglais. Les deux chiffres ont été mesurés par leurs propres développeurs à des moments différents, prenez-les donc comme un repère approximatif. Cohere Transcribe n'a ni détection de langue, ni horodatages, ni étiquettes de locuteurs, et Hugging Face demande vos coordonnées avant de publier les poids.
Spécifications
| Spécifications | Parakeet TDT 0.6B v3 | Cohere Transcribe |
|---|---|---|
| Développeur | NVIDIA | Cohere |
| Date de sortie | 14 août 2025 | 26 mars 2026 |
| Paramètres totaux | 627M (Parakeet TDT 0.6B v3) | 2.07B (Cohere Transcribe 03-2026) |
| Paramètres actifs | Tous | Tous |
| Architecture | Autre | Autre |
| Fenêtre de contexte | – | – |
| Entrée | Audio | Audio |
| Licence | CC BY 4.0 (Permissive) | Apache 2.0 (Permissive) |
| Mémoire pour la plus petite variante (4 bits) | 2.89 GB (Parakeet TDT 0.6B v3) | 4.75 GB (Cohere Transcribe 03-2026) |
Les affirmations de performance viennent du développeur et n’ont pas été vérifiées de manière indépendante.
Choisissez Parakeet TDT 0.6B v3 si
- Vous transcrivez des langues européennes et voulez la détection automatique de la langue.
- Vous avez besoin d'horodatages au niveau du mot pour des sous-titres ou de la recherche.
- Vous voulez le modèle plus léger de 0.6B, avec un fichier GGUF 8 bits de 0,71 Go pour NeMo-Speech.cpp.
- Vous pouvez créditer NVIDIA sous CC BY 4.0 et l'exécuter sur Linux avec des GPU NVIDIA.
Choisissez Cohere Transcribe si
- Vous avez besoin du chinois, du japonais, du coréen ou de l'arabe, que Parakeet v3 ne couvre pas.
- Vous voulez Apache 2.0, sans exigence de crédit.
- Vous connaissez la langue à l'avance et privilégiez la précision en anglais de la moyenne du classement.
- Vous transcrivez de longs enregistrements par lots : Cohere indique un débit hors ligne jusqu'à trois fois supérieur à celui des systèmes de reconnaissance dédiés de taille similaire.