模型

开源语音识别模型:不到 1B 参数可跑在手机上

精选理由

一个不到 1B 参数、支持 40 多种语言的开源语音识别模型,原生支持 Hugging Face Transformers 和 vLLM,能直接跑在手机上。想做端侧语音转写或离线识别的开发者可以关注,部署门槛很低。

一个全新开源语音识别模型发布,参数量不到 1B(10 亿),支持 40 多种语言,体积和速度足以直接在手机端运行。

正文

模型原生适配 Hugging Face Transformers 和 vLLM 两个主流推理框架,开发者无需额外适配就能部署到本地或服务端。作者展示了它在真实电话录音上的处理效果,说明小模型在嘈杂真实场景下也能保持可用的识别质量。

对需要在端侧做语音转写、通话记录或离线识别的团队来说,<1B 的体积意味着可以在不依赖云端 API 的前提下落地,与 Whisper 等更大的开源方案相比牺牲了一些规模但换来了速度和部署灵活性。

原文 · Ate-a-Pi

This is an open speech recognition model that's small enough to run on your phone.

It includes native support for Hugging Face Transformers and vLLM.

• Fewer than 1B parameters • 40+ languages • Super fast and small

Even though it is a small model, look at the results processing real phone calls.

产业坐标与信源核验

本条情报归属 AITOP「模型」核心栏目,重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中,该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」「中美大模型技术代差与商业化对照」研究主线,反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括:开源模型、语音识别、Hugging Face、vLLM,读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。

信源核验说明:本文原始线索采编自「Ate-a-Pi」(@svpino),经 AITOP 多维评分管线结构化提炼。

开源语音识别模型:不到 1B 参数可跑在手机上|AI热报