# Phonon-2: компактная ASR-модель на 164 МБ для локальной транскрибации

Источник: https://modelium.tech/zhurnal/phonon-2-164mb-local-asr-mlx-cpu/

Fermion Research выпустила Phonon-2 — компактную англоязычную модель распознавания речи на основе NVIDIA Parakeet TDT 0.6B v3. Архив весов занимает 163 515 201 байт; опубликованы отдельные пути запуска через MLX на Apple Silicon и CPU на Linux/Windows. Веса распространяются по CC BY 4.0 с требованием атрибуции, код — по Apache 2.0. Средний WER 5,21 на семи английских наборах — измерение автора, не независимый тест Modelium.

## Что выпущено

Fermion Research разместила Phonon-2 — новую компактную версию англоязычного распознавания речи на основе `nvidia/parakeet-tdt-0.6b-v3`. Репозиторий Hugging Face создан 28 сентября 2026 года, а закреплённый пакет весов и карточка обновлены 29–30 сентября; дата последнего обновления карточки сама по себе не означает новую модель. Архив `phonon-2.bps.tar.zst` в закреплённой ревизии занимает **163 515 201 байт** (около 164 МБ в десятичной записи), присутствует в полном дереве файлов и согласуется с `config.json` и контрольной суммой SHA-256. Это размер загрузки, **не** минимальный объём оперативной или видеопамяти [s1](#src-s1) [s2](#src-s2) [s3](#src-s3).

По описанию разработчика, линейные веса энкодера переобучены и представлены пятью значениями, прочие параметры хранятся в шестибитных таблицах. Исходные архитектура FastConformer/TDT и токенизатор Parakeet сохранены. Модель ориентирована на английскую речь: русский язык и другие языки карточка не обещает [s1](#src-s1) [s4](#src-s4).

## Как запускать локально

Доступен пакет `fermion-research` версии 0.2.4, загруженный на PyPI 30 сентября. На Apple Silicon разработчик предлагает `pip install fermion-research`, затем `pip install mlx mlx-audio mlx-lm soundfile scipy zstandard` и команду `fermion transcribe phonon-2 recording.wav`. Первый запуск скачивает модель. Для CPU на Linux/Windows в официальном руководстве указан другой набор зависимостей: `torch safetensors soundfile scipy zstandard`; в Linux рекомендуют CPU-wheel PyTorch. Не переносите MLX-инструкцию на обычный Linux/Windows и не считайте опубликованные автором тестовые машины системными требованиями [s1](#src-s1) [s5](#src-s5) [s6](#src-s6).

Практическая задача — транскрибировать английские записи локально, не передавая их сервису облачного распознавания. Для стенограммы на другом языке выбирайте модель с отдельно подтверждённой языковой поддержкой. Перед использованием с чувствительными записями проверьте конфигурацию сети, кэш загрузок и политику хранения файлов в собственной среде: наличие локального runtime само по себе не доказывает изоляцию [s1](#src-s1) [s5](#src-s5).

## Что известно о качестве

В карточке **Fermion Research заявляет** средний WER 5,21% по семи английским наборам Open ASR Leaderboard; машинно-читаемые `eval_results` отмечают тот же результат как собственный прогон автора от 29 сентября на полных тестовых наборах, а не официальную независимую строку leaderboard. В частности, в карточке указаны 1,72% на LibriSpeech clean и 9,37% на AMI. Сравнения с другими моделями в таблице объединяют собственные замеры автора и опубликованные строки leaderboard; условия этих групп не следует выдавать за единый независимый эксперимент. Modelium не запускал Phonon-2 и не проверял качество или скорость [s1](#src-s1) [s7](#src-s7).

## Права и ограничения

На **веса** опубликован отдельный файл CC BY 4.0: лицензия допускает использование и переработку, в том числе коммерческую, при соблюдении условий атрибуции; это не делает веса программным кодом с открытой лицензией Apache. На **код** опубликован отдельный Apache 2.0. `NOTICE` связывает модель с NVIDIA Parakeet TDT 0.6B v3 под CC BY 4.0 и перечисляет наборы данных, включая CHiME-6 и SPGISpeech. При внедрении сверяйте полные условия лицензий и права на данные своей организации; метка лицензии модели не является юридическим аудитом обучающего корпуса [s4](#src-s4) [s8](#src-s8).

## Источники

1. [Fermion Research Phonon-2: закреплённая карточка](https://huggingface.co/FermionResearch/Phonon-2/blob/9c7fef3584499a88fe8d394427f45851bbb8b446/README.md) — получено 2026-09-30
2. [Hugging Face API: создание репозитория и закреплённый SHA](https://huggingface.co/api/models/FermionResearch/Phonon-2) — получено 2026-09-30
3. [Закреплённые config, manifest и полный список файлов Phonon-2](https://huggingface.co/FermionResearch/Phonon-2/tree/9c7fef3584499a88fe8d394427f45851bbb8b446) — получено 2026-09-30
4. [Phonon-2 NOTICE: происхождение весов и обучающие данные](https://huggingface.co/FermionResearch/Phonon-2/blob/9c7fef3584499a88fe8d394427f45851bbb8b446/NOTICE) — получено 2026-09-30
5. [Fermion Research: установка и платформенные ограничения](https://github.com/fermionresearch/phonon/blob/bc7c1cae7b/docs/install.md) — получено 2026-09-30
6. [PyPI: fermion-research 0.2.4](https://pypi.org/project/fermion-research/0.2.4/) — получено 2026-09-30
7. [Авторские eval_results Phonon-2, семь английских наборов](https://huggingface.co/FermionResearch/Phonon-2/blob/9c7fef3584499a88fe8d394427f45851bbb8b446/.eval_results/open_asr_leaderboard.yaml) — получено 2026-09-30
8. [Закреплённые лицензии весов и кода Phonon-2](https://huggingface.co/FermionResearch/Phonon-2/blob/9c7fef3584499a88fe8d394427f45851bbb8b446/LICENSE-WEIGHTS-CC-BY-4.0.txt) — получено 2026-09-30