Pianissimo-da
открытый ASR для датского с WER 11,8%
1 мин чтения
Klang AI выпустила открытую модель распознавания датской речи Pianissimo-da на базе NVIDIA Parakeet v3. Это FastConformer + TDT decoder примерно на 600 млн параметров; поддерживаются пунктуация, регистр и таймстемпы.
Ключевые особенности
- Средний WER 11,8% на трёх датских наборах — лучший результат среди протестированных открытых и закрытых моделей.
- Более 3 600× realtime на одной NVIDIA H100 и 542× на L4.
- Поддерживает пунктуацию, регистр и таймстемпы на уровне слов.
- Есть версии для серверов, ноутбуков и телефонов: ONNX, MLX, GGUF и CoreML.
- Лицензия CC BY 4.0 — можно запускать на своём железе.
Пример
import torch
from nemo.collections.asr.models import ASRModel
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model = ASRModel.from_pretrained(model_name="KlangAI/pianissimo-da", map_location=device).eval()
with torch.inference_mode():
hyp = model.transcribe(audio=["audio.wav"], batch_size=1, return_hypotheses=True)
print(hyp[0].text)
Подробнее
WER: 11,8% в среднем; EU Parliament — 7,9%, DR TV — 18,2%, DanPASS — 9,4%.Обучение: около 70 000 часов датской речи, 470 000 шагов.
Чекпойнт fp32 — 2,51 ГБ; квантованные версии — от 485 МБ (GGUF Q4_K_M).
Ограничение: модель только для датского языка.










Комментарии