parakeet-tdt-0.6b-v3是 NVIDIA Parakeet TDT 0.6B v3 语音识别模型（FastConformer + RNNT 架构）的 MLX 格式版本，由 mlx-community 提供，专为 Apple 芯片（M 系列 Mac）优化，支持 26 种语言的高精度语音转文字。本文带你从零完成安装、运行与常见问题排查，10 分钟即可跑通第一句话的识别。

一、parakeet-tdt-0.6b-v3 是什么？

简单说：一个小体积、多语言、跑在 Mac 上的语音识别（ASR）模型。

• 架构：FastConformer 编码器 + RNNT 解码器，BPE 分词（词表 8192），输入采样率 16kHz
• 规模：约 0.6B 参数，推理速度快、显存占用低
• 亮点：支持语言自动预测、说话人切换标记、时间戳等特殊 token（可在 config.json 的 vocabulary 中看到<|predict_lang|>、<|spkchange|>、<|timestamp|>等定义）
• 许可：CC-BY-4.0，可免费商用（记得注明出处）

模型由原始版本转换而来，更多训练细节可参考官方模型卡片（见 README.md 说明）。

二、模型包里都有什么文件？

三、最快上手：一键安装 parakeet-mlx

🚀 推荐方式：使用parakeet-mlx命令行工具，一条命令完成识别。

第 1 步：安装依赖

pip install -U parakeet-mlx

第 2 步：直接对音频文件推理

parakeet-mlx audio.wav --model mlx-community/parakeet-tdt-0.6b-v3

运行后终端会直接输出识别出的文字。就这么简单 ✅

💡 提示：模型首次运行会自动下载并缓存，之后的调用都是本地离线推理，无需联网。

如果偏好从仓库获取文件（例如离线部署），可以使用：

git clone https://gitcode.com/hf_mirrors/mlx-community/parakeet-tdt-0.6b-v3

四、替代方案：用 mlx-audio 运行识别任务

如果你已经在用 MLX 生态的音频库，mlx-audio同样支持该模型：

pip install -U mlx-audio

python -m mlx_audio.stt.generate --model mlx-community/parakeet-tdt-0.6b-v3 --audio audio.wav --output somewhere

两个工具的区别一句话总结：

• parakeet-mlx：轻量命令行，适合"丢个文件就要结果"
• mlx-audio：功能更全的音频处理库，适合批量处理或集成到自己的项目

五、支持哪些语言？

该模型覆盖26 种语言，包含：

英文 en、西班牙文 es、法文 fr、德文 de、保加利亚文 bg、克罗地亚文 hr、捷克文 cs、丹麦文 da、荷兰文 nl、爱沙尼亚文 et、芬兰文 fi、希腊文 el、匈牙利文 hu、意大利文 it、拉脱维亚文 lv、立陶宛文 lt、马耳他文 mt、波兰文 pl、葡萄牙文 pt、罗马尼亚文 ro、斯洛伐克文 sk、斯洛文尼亚文 sl、瑞典文 sv、俄语 ru、乌克兰文 uk

这些语言列表可在 README.md 的元信息中确认，词表中的语言 token（<|aa|>到<|zu|>）也定义了完整的语言代码，便于做语言自动识别。

六、新手常见问题排查

七、总结

• parakeet-tdt-0.6b-v3是目前 Mac 平台上轻量级多语言语音识别的优秀选择：0.6B 参数、26 种语言、离线可用
• 新手走parakeet-mlx路线：pip 安装 → 一条命令识别，5 分钟即可上手
• 想批量处理或二次开发，切换到mlx-audio即可无缝衔接

快去录一段音频，体验本地语音转文字的速度吧！