parakeet-redux : la transcription en 25 langues tient désormais en 178 Mo
Moondream publie une version à poids ternaires du parakeet de NVIDIA. Le français y est, le CPU suffit, et l'horodatage par mot est inclus. Le taux d'erreur monte un peu : la question est de savoir si c'est acceptable pour des comptes rendus de réunion.
parakeet-redux est une version à 1,58 bit (poids ternaires) du modèle parakeet-tdt-0.6b-v3 de NVIDIA. Le fichier passe de 1,2 Go à 178 Mo, pour 25 langues dont le français, sous licence CC-BY-4.0. Sur huit cœurs x86, la fiche annonce 113 fois le temps réel : une heure de réunion transcrite en une trentaine de secondes, sans GPU.
Ce que la compression coûte
Les chiffres sont publiés et honnêtes. En anglais, le taux d'erreur de mots passe de 6,26 % à 6,55 %. En français (FLEURS), il passe de 4,81 % à 7,71 % : c'est l'écart le plus visible. Avec du bruit de fond, l'original tient mieux (6,72 % contre 9,04 %). En moyenne sur toutes les langues, le modèle compressé fait pourtant légèrement mieux (10,56 % contre 11,62 %).
Ce que la version apporte
- Découpage automatique des audios longs.
- Horodatage par mot ou par segment, utile pour retrouver un passage dans un enregistrement.
- Un format qui tourne sur un portable d'entreprise standard.
Comment le situer
Pour un flux en français, Whistle (17 Mo) reste la référence de l'ultra-léger, et le parakeet original reste plus précis. parakeet-redux se place entre les deux : plus de langues et des horodatages, dans un format qui évite le GPU. Associé à Nemotron-3-Diarization pour savoir qui parle, il forme une chaîne complète de compte rendu de réunion entièrement locale.
Le test à faire : un enregistrement réel de trente minutes, transcrit par les trois modèles, puis une relecture des passages techniques. Si l'écart de 3 points de WER ne touche que des mots courants, la version compressée suffit.