开源 Phonon-2.5:仅 156MB 语音识别超越 Whisper large-v3,快 20 倍体积
julianweisser · x · 2026-10-24
Fermion AI 开源了 Phonon-2.5 多语言语音识别模型,刷新精度-体积帕累托前沿。模型下载体积仅 156MB,约为 Whisper large-v3 的 1/20,但 25 种语言平均词准确率达到全精度基线的 101.8%,即比体积大 20 倍的 Whisper large-v3 平均更准。
团队将原 2.5GB 模型压缩到原下载体积的 6.2%,精度不降反升。在 MacBook Air 上转录一小时多语言音频仅需 20 秒,完全本地运行,权重采用 CC-BY-4.0 协议。该模型已在 Mac 听写应用 Detta 中上线,支持 25 种语言。
所属事件:Fermion 开源 156MB 语音识别模型 Phonon-2.5(2 条相关)→
「多模态」频道最新
- 用 Seedance 2.5 拍「过载感」：医生夜班第一视角旋转镜头演示 — LudovicCreator · 2026-10-24
- FastVideo 开源 MiniMax FastH3 Omni:Blackwell 上实时生成提速 12 倍 — TinfoilTricorn · 2026-10-24
- 用 Kimi K3.1 Pro 直接生成 3D 内容,实测演示出炉 — arena · 2026-10-24
- Matt Wolfe 周报：Claude Duet、GPT-6 更新等 24 条 AI 要闻 — Matt Wolfe · 2026-10-24
- 当 Teenage Engineering 设计吸尘器：AI 生成图神还原北欧极简 — dreamwieber · 2026-10-24
- MiniMax H3 无缝循环视频玩法：首尾潜在采样拼接，环点音频取自半旋转视图 — PurzBeats · 2026-10-24