29M 参数预测式语音识别 Earlybird:词语说完前 90ms 就能猜出
DrDatta_AIIMS · x · 2026-11-12
开发者 sahilmdkr 发布 Earlybird,一个仅 29M 参数的预测式语音转文本模型,核心特点是「在你还没说完之前就输出词」。
- 传统流式语音识别模型通常在词结束后等待 90-400ms 才输出;Earlybird 能在词结束前中位数 90ms 时就正确预测出该词。
- 这种「预测式输出」大幅降低了感知延迟,对实时字幕、语音 agent 等场景有直接价值。
模型与代码已在 GitHub 开源。
「研究」频道最新
- SimEX:让 Agent 在仿真中自学技能,迁移到真实机器人折毛巾摆盘子 — chris_j_paxton · 2026-11-12
- 一张图讲清李括号：轮式机器人为何能「无侧滑」机动 — burny_tech · 2026-11-12
- 里程碑:PostTrainBench 上 AI 后训练成绩超过人类专家版 SmolLM3-3B — maksym_andr · 2026-11-12
- FigBrains 发文:模型进化已快过人工搭建训练环境的速度 — vsikka · 2026-11-12
- 研究者上线 Open CHI Reviews，公开存档同行评审意见 — IanArawjo · 2026-11-12
- USC 学者：推理模型进展疯狂但前沿参差，仍有诡异短板 — jasondeanlee · 2026-11-12