Phonon-2

Phonon-2 to otwarty model automatycznego rozpoznawania mowy (ASR) dla języka angielskiego, wydany przez Fermion Research 29 września 2026 roku. W pobraniu o rozmiarze 164 MB (ok. 177 MB na dysku) osiąga średni współczynnik błędu słów (WER) na poziomie 5,21% na siedmiu angielskich zbiorach testowych z Open ASR Leaderboard.

Model powstał jako niskobitowo kwantyzowana wersja modelu nvidia/parakeet-tdt-0.6b-v3 (relacja: quantized). Jego enkoder przechowuje każdą wagę jako jeden z pięciu wyuczonych poziomów, przy ok. 2,1 bita na wagę. Dzięki temu Phonon-2 zachowuje dokładność swojego 2,5 GB nauczyciela w pełnej precyzji, a na części zbiorów (spotkania, mowa parlamentarna) go przewyższa, przy ok. 15-krotnie mniejszym pliku.

Phonon-2 działa lokalnie: na Apple Silicon (MLX oraz Core ML / Neural Engine), a także na procesorach CPU (Linux x86-64 i Arm, Windows) oraz kartach GPU NVIDIA. Transkrybuje godzinę audio w ok. 20 sekund na MacBooku Air M5 (174x czasu rzeczywistego), 143x na ośmiu rdzeniach Zen 5 i 6680x na jednym H100 przy partiach po 128. Jest to model napędzający aplikację do dyktowania Detta dla komputerów Mac. Wagi udostępniono na licencji CC-BY-4.0, a kod pakietu na licencji Apache 2.0.