Underdog Bark 3.0

Bark är taligenkänningsmodellen i Underdog, en AI-assistent som körs helt lokalt på Macen. När man dikterar eller spelar in ett möte gör Bark om talet till text på datorn, utan att något skickas iväg. Bark 3.0 bygger på NVIDIA:s parakeet-tdt-0.6b-v3 och Moondreams parakeet-ultra och har 0,6 miljarder parametrar. Den förstår bara engelska.

Familjen har fyra varianter. Bark 3.0 skriver ut varje ord och är minst (163 MB). Bark 3.0 Plus (180 MB) gör färre fel, och Bark 3.0 Pro (1,25 GB) har full precision och är mest träffsäker, men finns bara på Hugging Face. Bark 3.0 Clean (180 MB) skriver det man menade: den tar bort "öh", utfyllnadsord, felstarter och upprepningar, och är standard i Underdog för diktering och mötesanteckningar.

Enligt Underdog gör Bark 3.0 i snitt fel på 4,94 % av orden på Open ASR-topplistans sju engelska testsamlingar, lika bra som NVIDIA Parakeet och bättre än OpenAI:s Whisper large-v3, som är 57 gånger större. Skillnaden syns mest på möten. På en MacBook Pro med M5 Max skriver den enligt Underdog ut fem minuters ljud på en halv sekund.

Modellen ger ännu inte tidsstämplar per ord eller namn på talare, och listan med egna ord och namn fungerar än så länge bara med den äldre Bark 1.0. Vikterna är öppna under CC-BY 4.0 och finns för Python (CPU och NVIDIA), Apples MLX och Core ML.