英文原文: https://argusic.com/subject/parakeet-rs
parakeet-rs
使用 NVIDIA Parakeet 在 Rust 中实现极快的语音转文字、说话人分离和流式处理（甚至可在 CPU 上运行）
可运行来源：GitHub项目主页RustMITcommit 9746b713058e
Rust，MIT 许可证. 项目的自我描述：asr、automatic speech recognition、onnx、parakeet、speaker diarization、speaker identification、speech 和 speech recognition.
parakeet-rs 可以运行。一个 Argusic agent 在一台没有 GPU 的干净机器上用 3.6 分钟完成了安装，没有遇到任何错误，整个会话都被记录了下来。
parakeet-rs compiles, all 24 tests pass, and the full ONNX inference pipeline runs successfully with a verified model.
agent 在干净的机器上最终得到的结果，用它自己的话说。 测量方式
每一次都由 Argusic 在全新机器上实测。每个数字都链接到对应的证据。 Argusic 评分 100，满分 100（该项目各次运行得分的平均值）。
概览
项目数据来自 GitHub，链接见本页顶部，更新于 。测试数据由 Argusic 提供 (CC BY 4.0)；每个数字都链接到一个运行页面，附完整的 log、录屏及其 sha256 哈希。
测量了什么
来自决定该结论的那次运行。 每一行都是记录下来的数值，而非估算。
- 安装时间
- 4 分钟
- 从冷启动机器到完成
- 4 分钟
- 遇到并修复的错误
- 遇到 0 个，在无人协助的情况下修复了 0 个
- 结果是如何证明的
- cargo test passed 23 unit tests + 1 doc-test (0 failed). cargo run --example orukeet with real ONNX model and synthetic WAV: model loaded, ONNX inference ran, returned expected JSON output.
- 使用的模型 token
- 148,841
- 测试的确切 commit
- 9746b713058e
- 容器镜像
- sha256:cdd920bce783
没有测量什么
另一半内容，让你清楚看到这些证据能说明到什么程度。缺失的数据就标为缺失，从不填补。
- GPU 显存峰值
- 本次运行在 CPU 机器上进行，没有可采样的 GPU
- 长时间运行的表现
- 每次尝试都使用文档中最小的设置和固定的时间预算，因此这里测量的是它能否运行，而不是它在负载下的表现
录屏的结尾
决定该结论的终端会话的最后几行，与录制时完全一致。
**Model download**: Installed `huggingface-hub` in a Python venv, ran `scripts/download_orukeek.py`… **End-to-end inference**: Ran `cargo run --example orukeet` with the downloaded model and a synthet… No errors were hit; no fixes were needed. tokens used 148,841 Here's the summary of everything I've done: **Install**: Rust wasn't present (`rustc` not found). Installed via `rustup`. `cargo build` compile… **Tests**: `cargo test` — 23 unit tests + 1 doc-test passed, 0 failed. **Clippy**: `cargo clippy --all-targets` passed clean (1 minor warning in an example, unrelated). **Model download**: Installed `huggingface-hub` in a Python venv, ran `scripts/download_orukeek.py`… **End-to-end inference**: Ran `cargo run --example orukeet` with the downloaded model and a synthet… No errors were hit; no fixes were needed.
回放完整会话，从干净的机器到此刻的每一条命令。
测试方式
一个 agent，一个容器，没有人工协助。它按照项目自身文档所写的方式安装项目，运行它，并修复出错的地方。下面的一切都按实际发生的过程记录：终端会话、log 和确切的 commit。 完整方法论.
优势与局限
均为实测事实，而非观点。内容是如何撰写的.
顺利的部分
- 在干净的机器上达到了运行状态，会话有完整记录。
- 过程中没有任何故障：从克隆到运行，零错误。
- 无需 GPU 即可运行，因此启动它并不需要 GPU。
- 采用 MIT 许可证，以其托管平台报告的信息为准。
不顺利或尚不清楚的部分
- 安装用了 3.6 分钟，慢于 Argusic 测量过的 9 个同类项目的中位数。
- 目前只测量过一次。单次尝试只能说明它可以运行，不能说明它能稳定运行。
在 Argusic 安装并计时过的 10 个 asr 项目中，parakeet-rs 达到运行状态的速度排名第 6，10 个项目中有 7 个达到了运行状态。
适合用于
- 在笔记本电脑或小型服务器上试用：它无需 GPU 即达到了运行状态。
- 快速评估：克隆后 3.6 分钟它就已经运行起来。
- 按照它自己的 README 操作：文档中的步骤无需任何修复即可走通。
同一领域中也测试过的项目
这里的每个项目都由 Argusic 在干净的机器上安装并运行过。未经测试的项目不会出现在这里。
运行历史
主题 (来自 GitHub)
asrautomatic-speech-recognitiononnxparakeetspeaker-diarizationspeaker-identificationspeechspeech-recognitionspeech-to-text
嵌入徽章
用于项目 README 的 Markdown。徽章链接回本页；使用条款见 条款页面.
[](https://argusic.com/subject/parakeet-rs)常见问题
- parakeet-rs 能运行吗？
- 是的。parakeet-rs 可以运行. Argusic 在一台干净的机器上安装并启动了它，用时 4 分钟，过程中遇到 0 个错误，并记录了整个会话。
- Argusic 是如何测试 parakeet-rs 的？
- 在一台全新的一次性机器上进行，每条命令都被记录，仓库固定在 commit 9746b713058e。共记录了 1 次尝试，完整方法见方法论页面。
- 测试 parakeet-rs 花了多少钱？
- 得出该结论的那次运行花费 0.02 USD：这是真实的算力和模型成本，而不是按每百万 token 计的标价。该数字记录在那次运行的页面上。
- parakeet-rs 安装需要多长时间？
- 在决定该结论的那次运行中，从干净的机器到运行状态用了 3.6 分钟。这是一次实测的尝试，不是平均值。
- parakeet-rs 需要 GPU 吗？
- 启动它不需要。Argusic 在一台没有 GPU 的机器上让它达到了运行状态。
- 安装 parakeet-rs 时会出现什么问题？
- 在已记录的运行中没有出现任何问题：从克隆到运行，零错误。
- parakeet-rs 与其他替代方案相比如何？
- 在 Argusic 安装并计时过的 10 个 asr 项目中，parakeet-rs 达到运行状态的速度排名第 6，10 个项目中有 7 个达到了运行状态。
- parakeet-rs 的证据在哪里？
- 这次已记录的运行都在本页上，每次都链接到完整的 log 和终端录屏，并连同 sha256 指纹一起保存，因此无法被悄悄篡改。