ConwayResearch/Underdog-Bark-3.0

ConwayResearch 基于 NVIDIA parakeet-tdt-0.6b-v3 做的低比特英文语音识别模型，打包成 163 MB 的单个文件，可在 Mac（MLX / Core ML）和 Windows（CUDA / CPU）上本地转写。 上升分 65 · 点赞 66 · 下载量 261 **理由** - 作者称在 Open ASR Leaderboard 七个英文测试集上平均词错率 4.94%，与原版 Parakeet TDT 0.6B v3（2,508 MB）基本持平，低于 Whisper large-v3 的 6.04%；会议录音 AMI 为 7.82%，议会演讲 VoxPopuli 为 2.05%。 - 作者称在 Apple M2 笔记本上用 mlx-audio 转写一分钟音频约 1.5 秒；会逐字保留“嗯、呃”和重复等口头语，不做清理。 - 同系列还有 180 MB 的 Plus 和全精度的 Pro；Pro 带完整 Core ML 流程，iOS 应用不用自己移植解码器。 **用法** - hf download 只取 model.bark、bark\_loader.py、bark\_mlx.py、mlx/\* 和 NOTICE；装好依赖后运行 python bark\_loader.py model.bark recording.wav，或在 Python 里 load\_model("model.bark", device="cuda")（也可 cpu / mps）再 transcribe。 - Apple Silicon：装 mlx 0.32.2 和 mlx-audio 0.5.3 后运行 python bark\_mlx.py recording.wav；Mac 另有 Core ML 的 GPU / ANE 两种包。 - Windows：Python 3.11，用 runtime/transcribe\_bark.py --model bark-model --audio recording.wav --device cuda（或 cpu），输入会自动转单声道并重采样。 **风险** - 只支持英文；Bark 各行分数是作者用排行榜的评分代码自己跑的，不在排行榜上。 - 163 MB 只是下载大小，加载时展开为 FP32，内存和显存占用更大；stock mlx-audio 一次处理整个文件，长录音内存会增长；Core ML 的长录音分段未验证，iOS 未在真机测试。 - CC-BY-4.0，分发时要按 NOTICE 署名。 [打开](https://huggingface.co/ConwayResearch/Underdog-Bark-3.0)