0.5B 语音识别模型多语种错误率 6.96%,胜过 15 倍大的 Meta 模型
thisguyknowsai · x · 2026-11-19
根据 Hugging Face 官方发布的数据,一个仅 0.5B 参数的语音识别模型在多语种赛道表现惊艳:
- 支持 40+ 语言,自动检测语言,可直接在 Transformers 和 vLLM 中运行、无需自定义代码
- Open ASR Leaderboard 多语种赛道平均错误率 6.96%,超过比它大 15 倍的 Meta omniASR-LLM 7B 和 Whisper large-v3
- 英文赛道 WER 6.6%
- 在包含 14 种英文口音、302 小时的呼叫中心基准上 WER 7.86%,与 NVIDIA 30B 的 Nemotron 3.5 Transcribe(7.78%)基本持平
小模型在 ASR 任务上正快速逼近甚至超越大模型。
「模型」频道最新
- Gemini 4 Neon 挤进 AA 榜前三,Google 紧咬 Claude 和 GPT — burny_tech · 2026-11-19
- 网友用 Cove 语音几天复刻标准语音模式,追问 OpenAI 为何下线 — ___Patrice___ · 2026-11-19
- Anthropic 被曝按提示词画像静默降级用户,收费不变 — JafarNajafov · 2026-11-19
- 截图曝 Antigravity CLI 现身 Gemini 4 Neon Medium 模型选项 — patloeber · 2026-11-19
- 订阅额度性价比实测:Gemini 约 26 倍,OpenAI 仅约 10.5 倍 — PawelHuryn · 2026-11-19
- 快鲤鱼日报:小米大模型传分拆,腾讯元宝未达预期被砍投入 — 快鲤鱼 · 2026-11-19