Lokale ASR-Modelle
4 lokale ASR-Modelle: Tempo, Sprachen und Genauigkeit
Vier CPU-Modelle in Owl Meeting für Echtzeit mit niedriger Latenz und genaue Offline-Transkription.
So unterscheiden sich die vier lokalen ASR-Modelle
Owl Meeting konvertiert alle vier Spracherkennungsmodelle aus den Originalversionen in ein CPU-freundliches ONNX-Format und optimiert sie für die lokale Ausführung unter Windows. Eine dedizierte GPU ist nicht erforderlich: Auch ein normaler PC kann per CPU schnelle Live-Erkennung oder Offline-Transkription ausführen, während Erkennung und Aufnahmen auf dem Gerät bleiben.
| Modell | Stärke | Sprachfokus | Lokales Paket | Empfohlener Einsatz |
|---|---|---|---|---|
| SenseVoiceSmall | Tempo | Mandarin, Kantonesisch, Englisch, Japanisch und Koreanisch | 230 MB quantisiert / 900 MB Standard | Live-Untertitel und Meetings mit niedriger Latenz |
| Parakeet TDT 0.6B v3 | Tempo + mehrsprachig | 25 europäische Sprachen mit automatischer Spracherkennung | Etwa 850 MB | Mehrsprachige Echtzeiterkennung in Europa |
| FireRedASR2-AED | Chinesische Genauigkeit | Mandarin, chinesische Dialekte/Akzente, Englisch und Code-Switching | Etwa 1,6 GB; Satzzeichenmodell zusätzlich etwa 390 MB | Genaue chinesische Offline-Transkription |
| Qwen3-ASR-0.6B | Genauigkeit + mehrsprachig | 30 Sprachen und 22 chinesische Dialekte | Etwa 895 MB | Genaue mehrsprachige Offline-Transkription |
SenseVoiceSmall
Tempo
Owl Meeting · Model 1
SenseVoiceSmall arbeitet nicht-autoregressiv und liefert Mandarin, Kantonesisch, Englisch, Japanisch und Koreanisch mit geringer Latenz.
Unterstützte Sprachen und Dialekte
Mandarin (zh), Cantonese (yue), Englisch (en), Japanisch (ja), Koreanisch (ko)
Parakeet TDT 0.6B v3
Tempo + mehrsprachig
Owl Meeting · Model 3
Parakeet TDT 0.6B v3 kombiniert FastConformer-TDT mit breiter europäischer Sprachabdeckung und eignet sich für reaktionsschnelle Live-Sitzungen.
Unterstützte Sprachen und Dialekte
Bulgarisch (bg), Kroatisch (hr), Tschechisch (cs), Dänisch (da), Niederländisch (nl), Englisch (en), Estnisch (et), Finnisch (fi), Französisch (fr), Deutsch (de), Griechisch (el), Ungarisch (hu), Italienisch (it), Lettisch (lv), Litauisch (lt), Maltesisch (mt), Polnisch (pl), Portugiesisch (pt), Rumänisch (ro), Slowakisch (sk), Slowenisch (sl), Spanisch (es), Schwedisch (sv), Russisch (ru), Ukrainisch (uk)
FireRedASR2-AED
Chinesische Genauigkeit
Owl Meeting · Model 2
FireRedASR2-AED ist für genaue Offline-Transkription von Mandarin, chinesischen Dialekten, Englisch und Code-Switching ausgelegt.
Unterstützte Sprachen und Dialekte
Mandarin (zh), Englisch (en)
Chinesische Dialekte und Akzente: Cantonese (Hong Kong and Guangdong), Sichuan, Shanghai, Wu, Minnan, Anhui, Fujian, Gansu, Guizhou, Hebei, Henan, Hubei, Hunan, Jiangxi, Liaoning, Ningxia, Shaanxi, Shanxi, Shandong, Tianjin, Yunnan, and others
Qwen3-ASR-0.6B
Genauigkeit + mehrsprachig
Owl Meeting · Model 4
Qwen3-ASR-0.6B bietet breite Abdeckung und ein gutes Verhältnis aus Größe und Genauigkeit. In Owl Meeting ist es für sorgfältige Offline-Arbeit vorgesehen.
Unterstützte Sprachen und Dialekte
Chinese (zh), Englisch (en), Cantonese (yue), Arabisch (ar), Deutsch (de), Französisch (fr), Spanisch (es), Portugiesisch (pt), Indonesisch (id), Italienisch (it), Koreanisch (ko), Russisch (ru), Thailändisch (th), Vietnamesisch (vi), Japanisch (ja), Türkisch (tr), Hindi (hi), Malaiisch (ms), Niederländisch (nl), Schwedisch (sv), Dänisch (da), Finnisch (fi), Polnisch (pl), Tschechisch (cs), Filipino (fil), Persisch (fa), Griechisch (el), Ungarisch (hu), Mazedonisch (mk), Rumänisch (ro)
Chinesische Dialekte und Akzente: Anhui, Dongbei, Fujian, Gansu, Guizhou, Hebei, Henan, Hubei, Hunan, Jiangxi, Ningxia, Shandong, Shaanxi, Shanxi, Sichuan, Tianjin, Yunnan, Zhejiang, Cantonese (Hong Kong accent), Cantonese (Guangdong accent), Wu, Minnan
Echtzeit: SenseVoice und Parakeet
Bei Live-Erkennung zählen dauerhafte Latenz und stabile Teilergebnisse. SenseVoice ist die schnelle Wahl für Chinesisch, Englisch, Japanisch und Koreanisch; Parakeet für europäische mehrsprachige Meetings.
Genaue Offline-Erkennung: FireRedASR und Qwen3
FireRedASR2-AED ist auf Mandarin, Dialekte, Akzente und chinesisch-englische Mischsprache spezialisiert. Es erreicht 3,05 % mittlere CER auf vier Mandarin-Benchmarks und 11,67 % auf 19 Dialekt-/Akzent-Benchmarks.
Qwen3-ASR-0.6B verbindet Genauigkeit mit breiter Abdeckung von 30 Sprachen und 22 chinesischen Dialekten.
Praktische Vorauswahl
- Echtzeit, ZH/EN/JA/KO, Tempo zuerst: SenseVoiceSmall.
- Echtzeit, Englisch und europäische Sprachen: Parakeet TDT 0.6B v3.
- Offline, Chinesisch und Dialekte: FireRedASR2-AED.
- Offline, Genauigkeit und breite Mehrsprachigkeit: Qwen3-ASR-0.6B.