Parakeet TDT 0.6B v3 vs. Cohere Transcribe: qual você deve usar?
Parakeet v3 cobre 25 línguas europeias com marcações de tempo sob CC BY 4.0; o Cohere Transcribe cobre 14 idiomas, incluindo chinês, japonês e coreano, sob Apache 2.0.
Veredito. Escolha primeiro pelos idiomas, depois por precisar ou não de marcações de tempo. O Parakeet TDT 0.6B v3 transcreve 25 línguas europeias, detecta o idioma por si só, adiciona pontuação e marcações de tempo por palavra, roda no NeMo da NVIDIA ou no Transformers e processa até 24 minutos de áudio de uma vez em uma GPU de 80 GB. Ele não tem chinês, japonês, coreano nem árabe, e sua licença CC BY 4.0 exige creditar a NVIDIA. O Cohere Transcribe (2.07B) cobre 14 idiomas, incluindo mandarim, japonês, coreano e árabe, sob Apache 2.0. A Cohere relata taxa média de erro de palavra de 5,42% no Open ASR Leaderboard em inglês em março de 2026, e a NVIDIA relata 6,34% para o Parakeet no mesmo grupo de datasets em inglês. Os dois números foram medidos pelos próprios desenvolvedores em momentos diferentes, então trate-os como um guia aproximado. O Cohere Transcribe não tem detecção de idioma, marcações de tempo nem rótulos de falante, e o Hugging Face pede seus dados de contato antes de liberar os pesos.
Especificações
| Especificações | Parakeet TDT 0.6B v3 | Cohere Transcribe |
|---|---|---|
| Desenvolvedor | NVIDIA | Cohere |
| Lançamento | 14 de agosto de 2025 | 26 de março de 2026 |
| Total de parâmetros | 627M (Parakeet TDT 0.6B v3) | 2.07B (Cohere Transcribe 03-2026) |
| Parâmetros ativos | Todos | Todos |
| Arquitetura | Outra | Outra |
| Janela de contexto | – | – |
| Entrada | Áudio | Áudio |
| Licença | CC BY 4.0 (Permissiva) | Apache 2.0 (Permissiva) |
| Memória para a menor variante (4 bits) | 2.89 GB (Parakeet TDT 0.6B v3) | 4.75 GB (Cohere Transcribe 03-2026) |
As afirmações de desempenho vêm do desenvolvedor e não foram verificadas de forma independente.
Escolha Parakeet TDT 0.6B v3 se
- Você transcreve línguas europeias e quer o idioma detectado automaticamente.
- Você precisa de marcações de tempo por palavra para legendas ou busca.
- Você quer o modelo menor de 0.6B, com um arquivo GGUF de 8 bits de 0.71 GB para o NeMo-Speech.cpp.
- Você pode creditar a NVIDIA sob CC BY 4.0 e rodar em Linux com GPUs NVIDIA.
Escolha Cohere Transcribe se
- Você precisa de chinês, japonês, coreano ou árabe, que o Parakeet v3 não cobre.
- Você quer Apache 2.0, sem exigência de crédito.
- Você sabe o idioma de antemão e se importa mais com a precisão em inglês da média do leaderboard.
- Você transcreve gravações longas em lote, já que a Cohere diz que o rendimento offline é até três vezes o de reconhecedores dedicados de tamanho semelhante.