任务类型 · automatic-speech-recognition

共 23 个 (跨 18 天)

2026-10-06

Whistle (Cactus-Compute) 端侧语音识别,7语种转写与词级时间戳

2026-10-01

Phonon-2 (FermionResearch) Apple Silicon 本地英文语音转写模型

2026-09-26

Audio8-ASR-Infinite (Edge0) 流式中英双语 ASR,80ms 音频时钟

2026-09-25

Audio8-ASR-Infinite (Edge0-AI) 中英流式ASR,滚动KV支持无限长实时转写

2026-09-24

parakeet-redux (moondream) 1.58-bit 0.6B 多语言 ASR,CPU 实时转写

2026-09-23

Parakeet Redux (moondream) 178MB三元权重ASR,CPU/Apple实时转写

2026-09-21

Confucius4-R2T2 (有道) 流式语音识别模型,面向实时字幕与语音管道

2026-09-07

VibeVoice-ASR-Streaming-7B (Microsoft) 流式说话人归属语音转写,支持10语言与热词

2026-09-05

speaker-diarization-community-1 (pyannote) 社区版说话人分离,用于会议/访谈音频

2026-08-06

Whisper-large-v3 (OpenAI) 多语言语音识别与翻译,零样本泛化

2026-07-31

CrisperWhisper2.0-Large (nyralabs) 可控逐字/意图风格的多语言ASR,精准词级时间戳

2026-07-28

VibeVoice-ASR-BitNet (Microsoft) 边缘CPU实时多语言语音识别,压缩至1.58GB

2026-07-18

GigaAM-Multilingual-MLX INT4 (ai-babai) 俄语及中亚语言离线语音转录,Apple Silicon 用 GigaAM-Multilingual MLX INT8 (ai-babai) Apple Silicon 本地离线俄哈吉乌语 ASR,MLX 量化 GigaAM-Multilingual MLX (ai-babai) Apple Silicon 上俄/哈/吉/乌语离线语音识别 GigaAM-Multilingual (ai-sage) 70+语言语音识别,关注俄语、哈萨克语等小语种

2026-07-11

cohere-transcribe-arabic (CohereLabs) 阿拉伯语自动语音识别 (ASR) 模型

2026-06-05

Nemotron-3.5-ASR-Streaming-0.6B (NVIDIA) 覆盖40种语言的流式ASR,600M,可调延迟,面向实时语音代理

2026-05-26

Mega-ASR (THU) 面向远场、混响、重叠语音等严重声学退化的鲁棒语音识别

2026-05-25

speaker-diarization-3.1 (pyannote) 多说话人分割模型,从音频中区分谁在何时说话

2026-05-20

XEUS (CMU WAVLab) 覆盖4000+语言的语音基础模型,供ASR/翻译微调 Whisper Large v3 MLX (mlx-community) Apple Silicon 上运行的 Whisper 语音识别模型 Whisper-large-v3-turbo (mlx-community) Mac端Whisper large-v3-turbo,MLX低延迟转写