Речь в текст

NVIDIA Parakeet / Canary / Nemotron Speech

Name: NVIDIA Parakeet / Canary / Nemotron Speech
Author: NVIDIA

Быстрые модели распознавания речи от NVIDIA, в том числе потоковые для работы в реальном времени. Parakeet TDT v3 и Nemotron 3.5 ASR понимают русский. Новая Nemotron 3.5 Transcribe (34B, 4.3B активных, OpenMDW 1.1) расшифровывает записи до часа на 40 языках, переводит речь, делит её по говорящим, ставит метки времени по словам и отвечает на вопросы по содержанию (вопросы только на английском); для русского доступны все задачи. Только готовые файлы, живой поток не поддерживается. Цифры авторов: 5,33% ошибок в словах на английском в открытом рейтинге Hugging Face.

Разработчик: NVIDIA, США
Первый выпуск: дек 2023
Последний выпуск: окт 2026
Размеры: 110M – 34B-A4.3B
Лицензия: Коммерция с условиямиСмешанная: Parakeet и Canary в основном CC-BY-4.0 (Canary-1B первой версии некоммерческая), Parakeet Unified и Nemotron Speech Streaming под NVIDIA Open Model License, Nemotron 3.5 ASR и Transcribe под OpenMDW
Русский язык: Есть
Запуск: Через свой серверРаботает и без видеокарты
Сферы: Поддержка клиентов, Медиа и продакшн, Документы и бухгалтерия

Поставить на свой сервер Hugging Face GitHub

Какие задачи решает

Расшифровка звонков и совещаний
Субтитры к видео
Голосовой ввод в реальном времени
Разметка аудиоархивов

Где применяется

Колл-центрыМедиаГолосовые ботыВнутренние сервисы компаний

Требования к железу

НоутбукНоутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии

подходит

1 видеокартаОдна видеокарта на 16–80 ГБ — средние версии

подходит

КластерСервер с несколькими видеокартами — флагманские версии

нет версий

Версии

окт 2026Nemotron 3.5 Transcribe 30B-A4B (40 языков, до часа)
май 2026Nemotron 3.5 ASR Streaming 0.6B
апр 2026Parakeet Unified 0.6B
дек 2025Nemotron Speech Streaming 0.6B
авг 2025Parakeet TDT 0.6B v3 и Canary-1B v2
июн 2025Canary-Qwen-2.5B
апр 2025Parakeet TDT 0.6B v2
фев 2024Canary-1B
дек 2023Parakeet CTC 0.6B

Как запустить

На своём сервереВеса скачиваются с Hugging Face, запуск — через vLLM (нагрузка и API) или llama.cpp (скромное железо). Так модель работает в закрытом контуре, без оплаты за запросы.Hugging Face

Сколько нужно железаПосчитайте видеопамять под нужный размер модели, контекст и число одновременных запросов.Открыть калькулятор железа

Ставлю и настраиваю под ключ: подберу размер модели, разверну на вашем сервере, подключу к вашим системам.

Частые вопросы

Можно ли использовать NVIDIA Parakeet / Canary / Nemotron Speech в коммерческом проекте?

С условиями. Лицензия: Смешанная: Parakeet и Canary в основном CC-BY-4.0 (Canary-1B первой версии некоммерческая), Parakeet Unified и Nemotron Speech Streaming под NVIDIA Open Model License, Nemotron 3.5 ASR и Transcribe под OpenMDW. Ограничения бывают разными — регион, выручка компании, требование указывать авторство. Перед коммерческим запуском проверьте условия с юристом.

Какое железо нужно для NVIDIA Parakeet / Canary / Nemotron Speech?

Минимум: Ноутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии. Есть версии, которые работают и без видеокарты, на обычном процессоре. Точный объём видеопамяти под ваш размер модели и контекст можно посчитать в калькуляторе железа.

Поддерживает ли NVIDIA Parakeet / Canary / Nemotron Speech русский язык?

Да, русский язык заявлен в карточке модели.

Где скачать NVIDIA Parakeet / Canary / Nemotron Speech и сколько это стоит?

Веса NVIDIA Parakeet / Canary / Nemotron Speech лежат в открытом доступе и скачиваются бесплатно. Платить нужно только за железо, на котором модель работает, и за настройку. Ссылки на первоисточник — в конце страницы.

Как внедряю у заказчика

ПодборВыбираю размер модели под задачу и ваше железо, проверяю на ваших примерах.
УстановкаРазворачиваю на вашем сервере или в закрытом контуре, отдаю API.
ДообучениеДообучаю на ваших данных (LoRA) или подключаю базу знаний — что дешевле для задачи.
ВстраиваниеПодключаю к CRM, 1С, боту, сайту или рабочему чату, настраиваю мониторинг.