Phonon-2.5 — компактная модель распознавания речи на 25 языках
ПровереноPhonon-2.5 — локальная модель распознавания речи на 25 языках, включая русский. Весит 156 МБ, работает без GPU и распространяется по CC BY 4.0.
Открываем страницу…
Загружаем материалPhonon-2.5 — локальная модель распознавания речи на 25 языках, включая русский. Весит 156 МБ, работает без GPU и распространяется по CC BY 4.0.
AuroraASR-1M весит 1,06 МБ в варианте INT8 и распознаёт английскую речь без облака. Модель очень быстрая, но уступает Whisper Tiny по точности и не расставляет знаки препинания.
Whistle — открытая модель Cactus Compute весом 16,9 МБ для локального распознавания речи на CPU. Семь языков, метки времени слов и Python API.
VibeVoice-ASR-Streaming-7B — старшая потоковая модель Microsoft для распознавания речи и говорящих.
VibeVoice-ASR-Streaming-1.5B расшифровывает речь по мере поступления аудио и поддерживает десять языков.
Seeduplex — голосовая модель ByteDance для естественного диалога с одновременным прослушиванием и ответом.
VibeVoice-ASR распознаёт длительную речь, связывает реплики с говорящими и расставляет временные отметки.
Seed LiveInterpret 2.0 — речевая модель ByteDance для синхронного перевода между китайским и английским языками.
Doubao Realtime Voice — сквозная голосовая модель ByteDance для естественных диалогов с низкой задержкой.