Hojo-ASR-Multi-V1 上架 HF:Qwen3 解码器架构,Apache 2.0 开源
rohanpaul_ai · x · 2026-09-04
Hojo-ASR-Multi-V1 的 Hugging Face 模型卡公开技术细节与用法:基于 Qwen3 LLM 解码器的 Encoder-Adapter-LLM 架构,采用多帧声学融合结构,经多阶段模块化训练与强化学习优化,在噪音、口语化发音等复杂场景表现良好,支持德法西葡日意阿韩俄等多语言。Apache 2.0 协议开源,可通过 pip 安装 hojo-asr 包快速推理。
所属事件:开源多语言 ASR 黑马 Hojo-ASR 平均 WER 3.54% 全球第 7(2 条相关)→
「多模态」频道最新
- Runway 入驻 Claude Marketplace，成 Anthropic 首个创意合作伙伴 — tlakomy · 2026-10-21
- 让 Claude Code 独立执导 MV：6.5 小时、765M 输入 tokens 完成 — colinmcnamara · 2026-10-21
- 可灵 4.0 上线:原生 30 秒视频、10 关键帧,可延展至 2 分钟 — lmoroney · 2026-10-21
- Voxtral 转写 1891 年埃菲尔留声机录音：107 词对 100 词，WER 仅 6.5% — IsForAt · 2026-10-21
- Reddit 用户重调 Stable Diffusion 工作流，25 步+motion boost 优化小丑舞者视频 — roychodraws · 2026-10-21
- 图像编辑榜一开源模型 Fibo-2 权重上架，含 Dev 和 Turbo 双版本 — linoy_tsaban · 2026-10-21