Parakeet TDT 0.6B v3 与 Cohere Transcribe 对比:该用哪个模型?
Parakeet v3 支持 25 种欧洲语言并带时间戳,采用 CC BY 4.0;Cohere Transcribe 支持包括中文、日语和韩语在内的 14 种语言,采用 Apache 2.0。
结论. 先看语言,再看是否需要时间戳。Parakeet TDT 0.6B v3 转写 25 种欧洲语言,能自动检测语言,加标点,并给出词级时间戳,可在 NVIDIA 的 NeMo 或 Transformers 中运行,在一块 80 GB 的 GPU 上一次能处理最长 24 分钟的音频。它不支持中文、日语、韩语和阿拉伯语,CC BY 4.0 许可证要求你署名 NVIDIA。Cohere Transcribe(2.07B)支持 14 种语言,包括普通话、日语、韩语和阿拉伯语,采用 Apache 2.0。Cohere 报告它在 2026 年 3 月的英语 Open ASR 榜单上平均词错误率为 5.42%,而 NVIDIA 报告 Parakeet 在同一组英语数据集上是 6.34%。两个数字是各自的开发者在不同时间测得的,只能作粗略参考。Cohere Transcribe 不能自动检测语言,没有时间戳和说话人标签,Hugging Face 还要求你先提交联系方式才会放出权重。
规格
| 规格 | Parakeet TDT 0.6B v3 | Cohere Transcribe |
|---|---|---|
| 开发方 | NVIDIA | Cohere |
| 发布时间 | 2025年8月14日 | 2026年3月26日 |
| 总参数量 | 627M (Parakeet TDT 0.6B v3) | 2.07B (Cohere Transcribe 03-2026) |
| 激活参数量 | 全部 | 全部 |
| 架构 | 其他 | 其他 |
| 上下文窗口 | – | – |
| 输入 | 音频 | 音频 |
| 许可证 | CC BY 4.0 (宽松) | Apache 2.0 (宽松) |
| 最小版本所需内存(4 位) | 2.89 GB (Parakeet TDT 0.6B v3) | 4.75 GB (Cohere Transcribe 03-2026) |
性能数据来自开发方,未经独立验证。
选 Parakeet TDT 0.6B v3 的情况
- 你转写欧洲语言,希望自动检测语言。
- 你需要词级时间戳来做字幕或搜索。
- 你想要更小的 0.6B 模型,并通过 NeMo-Speech.cpp 使用 0.71 GB 的 8 位 GGUF 文件。
- 你能按 CC BY 4.0 署名 NVIDIA,并在装有 NVIDIA GPU 的 Linux 上运行。
选 Cohere Transcribe 的情况
- 你需要中文、日语、韩语或阿拉伯语,Parakeet v3 没有覆盖。
- 你想要不需要署名的 Apache 2.0。
- 你事先知道语言,并且最看重英语榜单上的平均准确率。
- 你要批量转写长录音,Cohere 称离线吞吐量最高可达同等规模专用识别器的三倍。