Phonon-2: компактная ASR-модель на 164 МБ для локальной транскрибации
На странице · 4 разделов
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 s2 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 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 s5 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 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 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 s8.
Источники
- Fermion Research Phonon-2: закреплённая карточка. Получено 30.09.2026.
- Hugging Face API: создание репозитория и закреплённый SHA. Получено 30.09.2026.
- Закреплённые config, manifest и полный список файлов Phonon-2 — tree API сверено с config.json и SHA256SUMS.txt; LFS archive 163515201 bytes. Получено 30.09.2026.
- Phonon-2 NOTICE: происхождение весов и обучающие данные. Получено 30.09.2026.
- Fermion Research: установка и платформенные ограничения. Получено 30.09.2026.
- PyPI: fermion-research 0.2.4. Получено 30.09.2026.
- Авторские eval_results Phonon-2, семь английских наборов. Получено 30.09.2026.
- Закреплённые лицензии весов и кода Phonon-2 — LICENSE-CODE-Apache-2.0.txt проверен в той же ревизии. Получено 30.09.2026.