# parakeet-ultra: Moondream открыла полновесную ASR-модель для GPU и 25 языков

Источник: https://modelium.tech/zhurnal/parakeet-ultra-06b-gpu-multilingual-asr/

Moondream выпустила parakeet-ultra — дообученную Parakeet TDT 0.6B v3 с открытыми весами под CC-BY-4.0 для распознавания 25 языков через Photon на NVIDIA GPU. В авторских тестах средний WER на FLEURS снизился с 11,62% до 9,55%, но сравнивались разные runtime. Репозиторий содержит полный чекпойнт; требования к видеопамяти и независимое подтверждение метрик не опубликованы.

## Коротко

22 сентября 2026 года Moondream анонсировала `parakeet-ultra` — дообученную полновесную версию NVIDIA Parakeet TDT 0.6B v3 для распознавания речи на 25 языках, включая русский. В отличие от выпущенной одновременно [тернарной parakeet-redux](https://modelium.tech/zhurnal/parakeet-redux-ternary-asr-local-photon/), Ultra нацелена на точность при запуске на NVIDIA GPU, а не на минимальный размер и CPU/Apple Silicon [s1](#src-s1) [s3](#src-s3).

Репозиторий Ultra создан 22 сентября; закреплённая ревизия содержит `model.safetensors` размером 1 255 353 386 байт, `config.json` и `tokenizer.json`. Это размер файла на диске, **не требование к видеопамяти**. Карточка помечена CC-BY-4.0, как и исходный Parakeet от NVIDIA [s1](#src-s1) [s2](#src-s2) [s6](#src-s6).

## Что изменено и кому полезно

По карточке разработчика, архитектура и токенизатор исходной модели сохранены; изменены веса после дополнительного обучения. Для длинных записей в модель добавлена небольшая VAD-голова: Photon находит паузы и делит запись на отрезки до 30 секунд без отдельной VAD-модели. Можно получать полный текст, метки предложений либо отдельных слов. Поддерживаются файлы и потоковое аудио [s1](#src-s1) [s3](#src-s3).

Выбирать Ultra имеет смысл, если уже есть совместимая NVIDIA GPU и задача чувствительна к ошибкам в шуме, многоязычной речи либо длинных переговорах. Для CPU или Apple Silicon авторы позиционируют Redux; нельзя переносить её показатели скорости и размера на Ultra [s1](#src-s1) [s3](#src-s3). Оценки для обычного ноутбука или минимальные требования GPU разработчик не опубликовал.

## Качество: авторская оценка, не независимый тест

В таблицах Moondream средний WER (доля ошибок распознавания; меньше — лучше) на семи английских наборах снизился с 6,26% у исходного Parakeet до 5,80% у Ultra. На FLEURS по 25 языкам — с 11,62% до 9,55%; для русского отдельно — с 5,91% до 5,21%. В девяти тестах с фоновым шумом среднее составило 5,82% против 6,72% [s1](#src-s1). Эти цифры представлены разработчиком; Modelium модели не запускал и результаты независимо не воспроизводил.

**Условия сравнения важны:** Ultra оценивалась в Photon на NVIDIA GPU, исходный Parakeet — в NeMo в BF16; авторы указывают общий набор файлов и пайплайн нормализации Open ASR Leaderboard на сентябрь 2026 года. Для TED-LIUM сравнивались 11 цельных выступлений по 10–20 минут: WER 1,94% у Ultra против 2,71% у оригинала. Здесь могут влиять не только веса, но и различия в сегментации длинного аудио двумя runtime [s1](#src-s1) [s4](#src-s4). В машинно-читаемых результатах автор отдельно помечает показатели как self-reported; его общий mean WER на *восьми* наборах (5,32%) не следует путать со средним по *семи* англоязычным наборам (5,80%) [s4](#src-s4).

В тесте пропускной способности разработчик сравнил Photon с Ultra и NeMo с оригиналом на одном NVIDIA B200 при 128 параллельных запросах: 9743× против 6005× реального времени на LibriSpeech test-clean. Это измерение конкретных разных стеков при высокой пакетной нагрузке, **не обещание ускорения одной модели на любой GPU или в одиночной транскрибации** [s1](#src-s1).

## Как запустить локально

Официальный путь — Python-пакет Moondream с Photon. Анонс рекомендует `moondream>=2.4.1`; при запуске с `device="cuda"` модельные веса загружаются по идентификатору с Hugging Face. После первого скачивания обработка идёт на собственном устройстве; для воспроизводимости экспериментов закрепляйте ревизию `73175eb7...`, а не ориентируйтесь лишь на изменяющийся `main` [s1](#src-s1) [s2](#src-s2) [s3](#src-s3).

pip install --upgrade "moondream>=2.4.1"

import moondream as mdwith md.photon("moondream/parakeet-ultra", device="cuda") as speech:    result = speech.transcribe(audio="meeting.wav", timestamps="word")    print(result["text"])

Код адаптирует официальный пример для Ultra, меняя идентификатор модели и устройство; наличие аппаратной совместимости и работу в конкретной системе следует проверить самостоятельно [s1](#src-s1) [s3](#src-s3).

## Лицензия и ограничения

Веса помечены **CC-BY-4.0**. Условия этой лицензии допускают в том числе коммерческое использование при выполнении требований атрибуции; это не означает, что Photon и сторонние зависимости автоматически имеют ту же лицензию. Исходная карточка NVIDIA также указывает CC-BY-4.0 [s1](#src-s1) [s5](#src-s5) [s6](#src-s6). Открытые веса, лицензия модели и лицензия runtime — разные вопросы. Для продакшена дополнительно проверьте лицензию установленного пакета и качество распознавания на своих акцентах, шуме и длительности аудио.

## Источники

1. [Moondream Parakeet Ultra: закреплённая карточка и веса](https://huggingface.co/moondream/parakeet-ultra/tree/73175eb7aeb0d82f1e2a6b53b3aabc10a90bcd0b) — получено 2026-09-23
2. [Hugging Face API: метаданные и размер весов Parakeet Ultra](https://huggingface.co/api/models/moondream/parakeet-ultra?blobs=true) — получено 2026-09-23
3. [Moondream: Introducing Parakeet Redux and Ultra, 22 September 2026](https://moondream.ai/blog/introducing-parakeet-redux-and-ultra) — получено 2026-09-23
4. [Moondream: self-reported Open ASR Leaderboard evaluation YAML](https://huggingface.co/moondream/parakeet-ultra/blob/73175eb7aeb0d82f1e2a6b53b3aabc10a90bcd0b/.eval_results/open_asr_leaderboard.yaml) — получено 2026-09-23
5. [Creative Commons: CC BY 4.0 license deed](https://creativecommons.org/licenses/by/4.0/) — получено 2026-09-23
6. [NVIDIA Parakeet TDT 0.6B v3: исходная модель и её лицензия](https://huggingface.co/nvidia/parakeet-tdt-0.6b-v3) — получено 2026-09-23