Zum Hauptinhalt springen

Fermion ResearchAudiomodellOffene Gewichte

Phonon-2

BeliebtheitSpitzengruppe etwa gleich beliebt, 8 Modelle

51von 100neue Berechnung

beruht auf zwei Datengruppen, überwiegend Suche, Spanne 30 bis 71

Zusammenfassung

Phonon-2 ist eine stark komprimierte englische ASR-Ableitung von NVIDIA Parakeet TDT 0.6B. Die Gewichtsquantisierung senkt die Größe auf unter 900 MB und zielt auf lokale Ausführung, statt ein neues Grundmodell zu behaupten.

Die Modellkarte berichtet 5,21 % Wortfehlerrate über sieben englische Datensätze und ungefähr 174-fache Echtzeit auf einem M5 MacBook Air. CC-BY-4.0 gilt für diese Ableitung.

GraduallyBench Audio

Phonon-2

Teilweise getestet
  • Der Testumfang ist unvollständig.
  • Der Sprachumfang des Modells wurde nicht vollständig geprüft.
  • Ein regulärer Prozessabschluss ist nicht nachgewiesen.
  • Getestet wurde nur die angegebene Sprachauswahl.
Testdetails anzeigen

Spracherkennung

Lokal · Englisch

20 gültige Ausgaben aus 20 begonnenen und 36 geplanten Testplätzen.

Wortfehlerrate (WER)
2,45 %(12 / 490 Referenzwörter)Englisch
Zeichenfehlerrate (CER)
0,85 %(22 / 2.580 Referenzzeichen)Englisch
Stillefälle mit Wörtern im finalen Transkript
0 %(0 / 4 auswertbare Stillefälle)EnglischNach der Unicode-Normalisierung zählen Wortsegmente mit Buchstaben oder Ziffern. Reine Satzzeichen zählen nicht.

Spracherkennung

Lokal · Deutsch

16 gültige Ausgaben aus 16 begonnenen und 16 geplanten Testplätzen.

Wortfehlerrate (WER)
31,09 %(171 / 550 Referenzwörter)Deutsch
Zeichenfehlerrate (CER)
10,36 %(338 / 3.262 Referenzzeichen)Deutsch

WER vergleicht Wörter und CER vergleicht Zeichen mit der Referenz. Die Rücktranskription der Sprachausgabe erfolgte mit GPT Transcribe. Die genaue Backend-Revision ist nicht bestätigt. Gelesene Sprache und digitale Stille decken spontane Sprache und echte Störgeräusche nicht ab. Fehlerraten können über 100 % liegen. Testreferenzen wurden, sofern verwendet, nicht unabhängig menschlich geprüft. Testumfang und Methoden unterscheiden sich je Modell. Jede Kennzahl steht für sich, einen gemeinsamen Gesamtwert über alle Tests gibt es nicht. Daten zusammengestellt am 10.11.2026. So testen wir · Alle Decision- und Audioergebnisse als JSON herunterladen

Alle Benchmark-Werte

Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.

Alle 37 veröffentlichten Benchmark-Werte anzeigen

Seite 1 von 4

Messungen ohne passende Vergleichswerte

Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.

Open ASR Leaderboard pipeline, seven-set mean WER (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
5,15
Messgröße
Mean word error rate across seven English test sets
Einheit
%
Benchmark-Version
Open ASR Leaderboard English short latest.csv, result commit d2c5b384 dated 2026-09-25; scoring code 6fec425b
Kategorie
speech recognition
Richtung
Weniger ist besser
Quellentyp
vendor-reported
Auswertung
FermionResearch/Phonon-2 model card, Hugging Face revision 88baeef8afde2d9f410a2d3337f689d632d2d53f
Status
active
Abrufdatum
2026-10-20
Methodik
Vom Anbieter veröffentlichter Wert. Die gepinnte Modellkarte bezeichnet den separaten Wert 5,15 als Ergebnis der eigenen Evaluationspipeline des Leaderboards auf denselben sieben englischen Testsätzen. Sie nennt english_short_latest.csv, Commit d2c5b384 (25.09.2026), Scoring-Code 6fec425b, kaldialign 0.12.0, Compound Merge und Greedy Decoding. Die Evaluator-CSV ließ sich in diesem Durchlauf nicht direkt lesen, daher bleibt der Wert herstellervermittelt.
Einordnung
Diese Zeile wird vom Anbieter über die eigene Evaluationspipeline des Leaderboards vermittelt. Das zugängliche Material bestätigt die genaue Gewichtsrevision nicht unabhängig. Für 5,15 sind weder ein aggregierter Stichprobennenner noch ein Konfidenzintervall angegeben; beides wird nicht abgeleitet. Die direkte Ergebnisdatei war unzugänglich, und die aktuelle Datensatzseite zeigte nur eine andere Modellzeile.
Quelle FermionResearch/Phonon-2 model card, Hugging Face revision 88baeef8afde2d9f410a2d3337f689d632d2d53f
FluidAudio Phonon-2 LibriSpeech test-clean WER (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
2,47
Messgröße
Corpus-level word error rate on LibriSpeech test-clean
Einheit
%
Richtung
Weniger ist besser
Quellentyp
community-reported
Auswertung
FluidAudio / FluidInference documentation
Status
active
Abrufdatum
2026-10-22
Methodik
Community-Messung. FluidAudios Core-ML-Build von Fermion Research Phonon-2, nur Englisch, gemessen mit FluidAudio asr-benchmark auf einem M5 Pro unter macOS 27 mit der standardmäßigen Neural Engine. Die Quelle nennt die vollständigen LibriSpeech-Testsets, eine corpusweite WER und RTFx als Audiodauer geteilt durch Verarbeitungszeit.
Einordnung
Dies sind eigene Messungen von FluidAudio zu seiner Core-ML-Implementierung, kein allgemeines Ergebnis für jede Phonon-2-Bereitstellung. Die Quelle nennt weder einen unveränderlichen FluidAudio-Build noch ein genaues Messdatum.
Quelle FluidAudio / FluidInference documentation
FluidAudio Phonon-2 LibriSpeech test-other WER (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
4,62
Messgröße
Corpus-level word error rate on LibriSpeech test-other
Einheit
%
Richtung
Weniger ist besser
Quellentyp
community-reported
Auswertung
FluidAudio / FluidInference documentation
Status
active
Abrufdatum
2026-10-22
Methodik
Community-Messung. FluidAudios Core-ML-Build von Fermion Research Phonon-2, nur Englisch, gemessen mit FluidAudio asr-benchmark auf einem M5 Pro unter macOS 27 mit der standardmäßigen Neural Engine. Die Quelle nennt die vollständigen LibriSpeech-Testsets, eine corpusweite WER und RTFx als Audiodauer geteilt durch Verarbeitungszeit.
Einordnung
Dies sind eigene Messungen von FluidAudio zu seiner Core-ML-Implementierung, kein allgemeines Ergebnis für jede Phonon-2-Bereitstellung. Die Quelle nennt weder einen unveränderlichen FluidAudio-Build noch ein genaues Messdatum.
Quelle FluidAudio / FluidInference documentation
FluidAudio Phonon-2 Earnings-22 custom four-call 3,600-second file pause-cut WER (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
16,7
Messgröße
Corpus-level word error rate on the concatenated Earnings-22 reference transcripts
Einheit
%
Richtung
Weniger ist besser
Quellentyp
community-reported
Auswertung
FluidAudio / FluidInference documentation
Status
active
Abrufdatum
2026-10-22
Methodik
Community-Messung. FluidAudio transkribierte die 3.600 Sekunden lange Datei earnings22_top4_1h.wav mit vier zusammengefügten Earnings-22-Gesprächen auf einem M5 Pro, mit dem standardmäßigen Neural-Engine-Ladder-Encoder und Pause-Cut-Fenstern. Die Referenz verbindet die Earnings-22-Chunk-Transkripte; die Verarbeitungszeit schließt das Laden des Modells aus. Die Seite berichtet den besten von zwei Läufen in einer Sitzung.
Einordnung
Die Seite berichtet den besten von zwei Läufen, keine Verteilung wiederholter Läufe. Ein genaues Messdatum oder einen unveränderlichen FluidAudio-Build veröffentlicht sie nicht; aus den vier zusammengefügten Gesprächen wird weder eine Stichprobengröße noch ein Konfidenzintervall abgeleitet.
Quelle FluidAudio / FluidInference documentation
average WER (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
5,21
Messgröße
Wortfehlerrate
Einheit
%
Benchmark-Version
source version not stated
Kategorie
audio
Richtung
Weniger ist besser
Quellentyp
vendor-reported
Auswertung
Phonon-2 model card
Status
active
Abrufdatum
2026-10-04
Methodik
Vom Anbieter veröffentlichter Wert. LS-clean 1.72, LS-other 3.92, AMI 9.37, Earnings22 6.96, GigaSpeech 8.35, SPGISpeech 3.70, VoxPopuli 2.46
Einordnung
Quellenspezifische Beobachtung. Sie begründet keine vergleichbare modellübergreifende Testkohorte.
Quelle Phonon-2 model card
Phonon-2 English short-set WER: AMI (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
9,37
Messgröße
WER
Einheit
%
Benchmark-Version
Hugging Face Open ASR leaderboard English short-set snapshot 2026-09-25 (commit d2c5b384)
Kategorie
audio
Richtung
Weniger ist besser
Stichprobe
7805
Quellentyp
vendor-reported
Auswertung
Fermion Research Phonon-2 model card
Status
active
Abrufdatum
2026-10-16
Methodik
Vom Anbieter veröffentlichter Wert. Phonon-2 mit 0,60 Mrd. Parametern, Englisch und 16 kHz, Greedy-Decoding, Zusammenführung zusammengesetzter Wörter aktiviert; WER mit kaldialign 0.12.0 auf dem vollständigen Testsatz. Board-Snapshot: 25.09.2026, Commit d2c5b384. Die Stichprobenzahl entspricht der exakten Zahl ausgewerteter Testäußerungen, sofern die Karte sie nennt.
Einordnung
Das N der Modellkarte ist die exakte Zahl der Äußerungen im vollständigen Testsatz, keine Trainingsmenge. Ein Konfidenzintervall wird nicht veröffentlicht. Der Mittelwert 5,21 aus der Karte ist bereits in früherer Audio-Recherche enthalten und wird hier nicht wiederholt.
Quelle Fermion Research Phonon-2 model card
Phonon-2 English short-set WER: Earnings-22 (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
6,96
Messgröße
WER
Einheit
%
Benchmark-Version
Hugging Face Open ASR leaderboard English short-set snapshot 2026-09-25 (commit d2c5b384)
Kategorie
audio
Richtung
Weniger ist besser
Quellentyp
vendor-reported
Auswertung
Fermion Research Phonon-2 model card
Status
active
Abrufdatum
2026-10-16
Methodik
Vom Anbieter veröffentlichter Wert. Phonon-2 mit 0,60 Mrd. Parametern, Englisch und 16 kHz, Greedy-Decoding, Zusammenführung zusammengesetzter Wörter aktiviert; WER mit kaldialign 0.12.0 auf dem vollständigen Testsatz. Board-Snapshot: 25.09.2026, Commit d2c5b384. Die Stichprobenzahl entspricht der exakten Zahl ausgewerteter Testäußerungen, sofern die Karte sie nennt.
Einordnung
Laut Modellkarte umfasst Earnings-22 sechs Sitzungen, die in Chunks ausgewertet werden. Ein Nenner aus Chunks oder Äußerungen wird nicht veröffentlicht. Stichprobenzahl und Konfidenzintervall werden nicht abgeleitet. Der Mittelwert 5,21 aus der Karte ist bereits in früherer Audio-Recherche enthalten und wird hier nicht wiederholt.
Quelle Fermion Research Phonon-2 model card
Phonon-2 English short-set WER: GigaSpeech (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
8,35
Messgröße
WER
Einheit
%
Benchmark-Version
Hugging Face Open ASR leaderboard English short-set snapshot 2026-09-25 (commit d2c5b384)
Kategorie
audio
Richtung
Weniger ist besser
Stichprobe
18768
Quellentyp
vendor-reported
Auswertung
Fermion Research Phonon-2 model card
Status
active
Abrufdatum
2026-10-16
Methodik
Vom Anbieter veröffentlichter Wert. Phonon-2 mit 0,60 Mrd. Parametern, Englisch und 16 kHz, Greedy-Decoding, Zusammenführung zusammengesetzter Wörter aktiviert; WER mit kaldialign 0.12.0 auf dem vollständigen Testsatz. Board-Snapshot: 25.09.2026, Commit d2c5b384. Die Stichprobenzahl entspricht der exakten Zahl ausgewerteter Testäußerungen, sofern die Karte sie nennt.
Einordnung
Das N der Modellkarte ist die exakte Zahl der Äußerungen im vollständigen Testsatz, keine Trainingsmenge. Ein Konfidenzintervall wird nicht veröffentlicht. Der Mittelwert 5,21 aus der Karte ist bereits in früherer Audio-Recherche enthalten und wird hier nicht wiederholt.
Quelle Fermion Research Phonon-2 model card
Phonon-2 English short-set WER: LibriSpeech test-clean (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
1,72
Messgröße
WER
Einheit
%
Benchmark-Version
Hugging Face Open ASR leaderboard English short-set snapshot 2026-09-25 (commit d2c5b384)
Kategorie
audio
Richtung
Weniger ist besser
Stichprobe
2620
Quellentyp
vendor-reported
Auswertung
Fermion Research Phonon-2 model card
Status
superseded
Abrufdatum
2026-10-16
Methodik
Vom Anbieter veröffentlichter Wert. Phonon-2 mit 0,60 Mrd. Parametern, Englisch und 16 kHz, Greedy-Decoding, Zusammenführung zusammengesetzter Wörter aktiviert; WER mit kaldialign 0.12.0 auf dem vollständigen Testsatz. Board-Snapshot: 25.09.2026, Commit d2c5b384. Die Stichprobenzahl entspricht der exakten Zahl ausgewerteter Testäußerungen, sofern die Karte sie nennt.
Einordnung
Das N der Modellkarte ist die exakte Zahl der Äußerungen im vollständigen Testsatz, keine Trainingsmenge. Ein Konfidenzintervall wird nicht veröffentlicht. Der Mittelwert 5,21 aus der Karte ist bereits in früherer Audio-Recherche enthalten und wird hier nicht wiederholt.
Quelle Fermion Research Phonon-2 model card
Phonon-2 English short-set WER: LibriSpeech test-other (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
3,92
Messgröße
WER
Einheit
%
Benchmark-Version
Hugging Face Open ASR leaderboard English short-set snapshot 2026-09-25 (commit d2c5b384)
Kategorie
audio
Richtung
Weniger ist besser
Stichprobe
2939
Quellentyp
vendor-reported
Auswertung
Fermion Research Phonon-2 model card
Status
active
Abrufdatum
2026-10-16
Methodik
Vom Anbieter veröffentlichter Wert. Phonon-2 mit 0,60 Mrd. Parametern, Englisch und 16 kHz, Greedy-Decoding, Zusammenführung zusammengesetzter Wörter aktiviert; WER mit kaldialign 0.12.0 auf dem vollständigen Testsatz. Board-Snapshot: 25.09.2026, Commit d2c5b384. Die Stichprobenzahl entspricht der exakten Zahl ausgewerteter Testäußerungen, sofern die Karte sie nennt.
Einordnung
Das N der Modellkarte ist die exakte Zahl der Äußerungen im vollständigen Testsatz, keine Trainingsmenge. Ein Konfidenzintervall wird nicht veröffentlicht. Der Mittelwert 5,21 aus der Karte ist bereits in früherer Audio-Recherche enthalten und wird hier nicht wiederholt.
Quelle Fermion Research Phonon-2 model card
Phonon-2 English short-set WER: SPGISpeech (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
3,7
Messgröße
WER
Einheit
%
Benchmark-Version
Hugging Face Open ASR leaderboard English short-set snapshot 2026-09-25 (commit d2c5b384)
Kategorie
audio
Richtung
Weniger ist besser
Stichprobe
39341
Quellentyp
vendor-reported
Auswertung
Fermion Research Phonon-2 model card
Status
active
Abrufdatum
2026-10-16
Methodik
Vom Anbieter veröffentlichter Wert. Phonon-2 mit 0,60 Mrd. Parametern, Englisch und 16 kHz, Greedy-Decoding, Zusammenführung zusammengesetzter Wörter aktiviert; WER mit kaldialign 0.12.0 auf dem vollständigen Testsatz. Board-Snapshot: 25.09.2026, Commit d2c5b384. Die Stichprobenzahl entspricht der exakten Zahl ausgewerteter Testäußerungen, sofern die Karte sie nennt.
Einordnung
Das N der Modellkarte ist die exakte Zahl der Äußerungen im vollständigen Testsatz, keine Trainingsmenge. Ein Konfidenzintervall wird nicht veröffentlicht. Der Mittelwert 5,21 aus der Karte ist bereits in früherer Audio-Recherche enthalten und wird hier nicht wiederholt.
Quelle Fermion Research Phonon-2 model card
Phonon-2 English short-set WER: VoxPopuli (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
2,46
Messgröße
WER
Einheit
%
Benchmark-Version
Hugging Face Open ASR leaderboard English short-set snapshot 2026-09-25 (commit d2c5b384)
Kategorie
audio
Richtung
Weniger ist besser
Stichprobe
628
Quellentyp
vendor-reported
Auswertung
Fermion Research Phonon-2 model card
Status
active
Abrufdatum
2026-10-16
Methodik
Vom Anbieter veröffentlichter Wert. Phonon-2 mit 0,60 Mrd. Parametern, Englisch und 16 kHz, Greedy-Decoding, Zusammenführung zusammengesetzter Wörter aktiviert; WER mit kaldialign 0.12.0 auf dem vollständigen Testsatz. Board-Snapshot: 25.09.2026, Commit d2c5b384. Die Stichprobenzahl entspricht der exakten Zahl ausgewerteter Testäußerungen, sofern die Karte sie nennt.
Einordnung
Das N der Modellkarte ist die exakte Zahl der Äußerungen im vollständigen Testsatz, keine Trainingsmenge. Ein Konfidenzintervall wird nicht veröffentlicht. Der Mittelwert 5,21 aus der Karte ist bereits in früherer Audio-Recherche enthalten und wird hier nicht wiederholt.
Quelle Fermion Research Phonon-2 model card

Seite 1 von 4

Beliebtheit im Vergleich

Wie oft das Modell gesucht, genutzt und erwähnt wird, im Vergleich mit allen Modellen dieser Kategorie.

Beliebtheitsindex

0 bis 100, höher ist beliebter

20 von 54 Modellen

Stand November 2026 · Quelle: gradually.ai Beliebtheitsindex

Zeitlicher Verlauf

Wochenwerte vom 18. Oktober 2026 bis 20. November 2026

Phonon-2Gemini 3.5 Transcribe 52Fish Audio S2 Pro 52Nova-3 51MiniMax-Music3 50

Methodenwechsel im Verlauf, ein Sprung an dieser Stelle ist kein Marktereignis:

  1. 11. November 2026: Wert nur mit Such- oder Nutzungsdaten, 30-Tage-Aufmerksamkeit
  2. 21. November 2026: Methodenversion 4 (gemeinsame Skala, Schrumpfung)
  3. 39. November 2026: Neue Topics-Erhebung V20 (Tagesquorum, Kurzformen)

Was gerade an Beliebtheit gewinnt, steht für Modelle, Anbieter, Harnesses und KI-Abos gesammelt in Alle KI-Trends.

Alle technischen Daten

Architektur

Modellklasse
Komprimierte Spracherkennung
Quelle: Modellklasse
Checkpoint
FermionResearch/Phonon-2
Quelle: Checkpoint

Ein- und Ausgabe

Eingabe
Englisches Audio
Quelle: Eingabe
Ausgabe
Transkript
Quelle: Ausgabe

Wasserzeichen und Herkunft

KI-Wasserzeichen meint unsichtbare Signale in der Ausgabe. Sichtbare Zeichen und Herkunftsmetadaten sind getrennt aufgeführt. Unbekannt bedeutet, dass für die jeweilige Angabe kein ausreichender Beleg vorliegt.

KI-Wasserzeichen
Unbekannt
ohne Quelle
Wasserzeichen-Technik
Nicht bekannt
ohne Quelle

Lizenz und Zugang

Zugang
Lokale Gewichte
Quelle: Zugang
Lizenz
CC-BY-4.0
Quelle: Lizenz
Abschaltung
Keine angekündigt
ohne Quelle

Weitere Angaben

Abgeleitet von
Quantisierte Ableitung von nvidia/parakeet-tdt-0.6b-v3, kein neues Grundmodell
Quelle: Abgeleitet von
Kompression
Rund 2,1 Bit pro Gewicht und weniger als 900 MB
Quelle: Kompression
Gemeldete WER
5,21 % über sieben englische Datensätze
Quelle: Gemeldete WER

Quellen und Datenstand

Alle 17 Quellen anzeigen

Benchmarkquellen im Überblick

Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.

Für dieses Modell ist derzeit kein aktives Ergebnis der geprüften externen Auswerter zugeordnet. Weitere Quellenbelege stehen darunter.

Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten.

ArtNachweis und Datenstand
RecherchestandRecherchestand 4. Oktober 2026. 13 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell.
Nicht veröffentlicht

confidence-intervals

Hinweis

Die Modellkarte nennt Korpus-WER-Punktwerte ohne Konfidenzintervalle.

Weitere QuellePhonon-2 model card (abgerufen 3. Oktober 2026; 4. Oktober 2026) · Phonon-2 model card · Redaktionelle Beschreibung geprüft am 3. Oktober 2026
Weitere QuelleFermion Research Phonon-2 model card (abgerufen 16. Oktober 2026; 20. Oktober 2026)
Weitere QuelleFermion Phonon-2 research page (abgerufen 19. Oktober 2026)
Weitere QuelleFermion Research Phonon-2 model page (abgerufen 21. Oktober 2026)
Weitere QuelleFluidAudio / FluidInference documentation (abgerufen 22. Oktober 2026)
Weitere QuelleHugging Face Open ASR Leaderboard (abgerufen 20. Oktober 2026; 28. Oktober 2026)
Weitere QuelleModellmetadaten (abgerufen 16. Oktober 2026)
Weitere QuelleModellmetadaten (abgerufen 20. Oktober 2026)12
Weitere QuelleModellmetadaten (abgerufen 28. Oktober 2026)12
Weitere QuelleOpenRouter: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere QuelleVercel AI Gateway: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere QuelleOllama: kumulierte Downloads für den Beliebtheitsindex
Weitere QuelleReplicate: kumulierte Ausführungen für den Beliebtheitsindex
Weitere QuelleGoogle Trending Now: begrenzte Feed-Auswahl für Deutschland und USA
Weitere QuelleCreative Commons Attribution 4.0