开源模型与 AI 工具选型参考
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
Esc
输入关键词,跨模型 / 数据集 / 空间 / 工具 / 资讯 / 论文 检索