Ming-3.0-ASR Tiny — распознавание китайской и английской речи
Модель распознаёт китайскую и английскую речь, включая диалекты, и учитывает тематические слова или контекст разговора.
Ming-3.0-ASR Tiny — модель автоматического распознавания речи от inclusionAI. Она переводит китайскую и английскую речь в текст, понимает региональные варианты произношения и может учитывать тематические подсказки. В анонсе разработчик указывает около 8,6 млрд параметров и 2 млрд активных на шаг.
Диалекты и контекстные подсказки
Термины можно заранее связать с темой записи
Модель оценивали на 15 наборах региональной речи, в числе которых кантонский, миньнаньский и шанхайский варианты китайского. В подсказку можно добавить тему разговора, имена, названия продуктов или другую лексику, чтобы помочь распознать редкие отраслевые термины. Это подсказка для модели, а не гарантия, что каждое указанное слово попадёт в результат.
К аудио можно добавить контекст предыдущего диалога. Это может быть полезно, когда имена и понятия уже прозвучали раньше и влияют на понимание следующей реплики.
Только расшифровка — без голосового диалога
Чем ASR Tiny отличается от Audio Tiny
ASR Tiny специализируется на транскрипции. В предоставленном примере результат — текстовая расшифровка: модель не добавляет временные метки для каждого слова и не разделяет запись по говорящим. Включённый пример также не принимает потоковый аудиоввод; длинные записи можно обрабатывать частями с учётом ограничения контекста.
Если нужно не только распознать речь, но и задавать вопросы по записи или получать голосовой ответ, для этого предназначена Ming-3.0-Audio Tiny. Более крупная Ming-3.0-Audio Flash объединяет распознавание, понимание звуков и аудиодиалог.
Запуск и лицензия
Открытые веса рассчитаны на разработчиков
Модель опубликована под лицензией MIT. Карточка описывает запуск через Python и Transformers на Linux с совместимой CUDA-видеокартой; для загрузки используется собственный код модели. Поэтому перед включением пользовательского кода при загрузке весов стоит ознакомиться с файлами репозитория и требованиями к зависимостям.
ASR Tiny пригодится для транскрибации разговоров, поиска по аудиозаписям и распознавания речи с отраслевой терминологией. Важные фрагменты нужно проверять по оригинальной записи, особенно если ошибка в имени, числе или формулировке может повлиять на последующее решение.