164MB 开源语音识别模型 Phonon-2 达近 Parakeet 水准
EruditeCoder · reddit · 2026-10-03
Phonon-2 模型仅 164MB，在 Open ASR 排行榜英文集平均 WER 约 5.2%，接近其 0.6B 参数的教师模型 Parakeet TDT 0.6B v3。作者据此做了一个 Windows 离线听写应用：按 Ctrl+Space 或点击悬浮球说话，文字直接输入到光标处（记事本、浏览器、VS Code 均可），全程本地运行、无需 API key。
针对原始输出不适用听写的问题，作者加了多项处理：VAD 过滤键盘声和呼吸声、忽略较轻的背景人声、句中停顿正确拼接而非到处断句、自动删除"uh/um"。局限：暂只支持英语（多语言版开发中）、停顿后整段输出而非逐字、仅 Windows、目前需 Python 安装。
「应用」频道最新
- 用 Thiel、Naval 等 AI 人格组影子顾问团,检验创业点子 — JafarNajafov · 2026-10-03
- 微软 Copilot 五大更新：Autopilot 智能体可后台自主执行目标 — every · 2026-10-03
- 9 条提示词用 Gemini 和 NotebookLM 秒出视频内容 — anthara_ai · 2026-10-03
- 开发者用 MiniMax M3.1 做完《镜中奇遇》第二章互动小游戏 — ring_hyacinth · 2026-10-03
- 独立开发者开源 Anything：一句话让 AI 生成可用的 App — Consistent-Ruin1868 · 2026-10-03
- Tinder 印度前负责人推出 Rivet:约会对象由别人替你挑 — Paimaamu · 2026-10-03