Modelos ASR locales
4 modelos ASR locales: velocidad, idiomas y precisión
Cuatro modelos CPU de Owl Meeting para tiempo real de baja latencia y transcripción offline precisa.
Diferencias entre los cuatro modelos ASR locales
Owl Meeting convierte los cuatro modelos de reconocimiento de voz desde sus versiones originales a un formato ONNX optimizado para CPU y para su ejecución local en Windows. No hace falta una GPU dedicada: un PC normal puede realizar rápidamente reconocimiento en directo o transcripción sin conexión, manteniendo el reconocimiento y las grabaciones en el dispositivo.
| Modelo | Ventaja | Idiomas | Paquete local | Uso recomendado |
|---|---|---|---|---|
| SenseVoiceSmall | Velocidad | Mandarín, cantonés, inglés, japonés y coreano | 230 MB cuantizado / 900 MB estándar | Subtítulos en vivo y reuniones de baja latencia |
| Parakeet TDT 0.6B v3 | Velocidad + multilingüe | 25 idiomas europeos con detección automática | Aprox. 850 MB | Reconocimiento europeo multilingüe en tiempo real |
| FireRedASR2-AED | Precisión en chino | Mandarín, dialectos/acentos chinos, inglés y cambio de código | Aprox. 1,6 GB; puntuación +390 MB | Chino y dialectos offline con alta precisión |
| Qwen3-ASR-0.6B | Precisión + multilingüe | 30 idiomas y 22 dialectos chinos | Aprox. 895 MB | Transcripción offline precisa y multilingüe |
SenseVoiceSmall
Velocidad
Owl Meeting · Model 1
SenseVoiceSmall utiliza una arquitectura no autorregresiva para transcribir mandarín, cantonés, inglés, japonés y coreano con baja latencia.
Idiomas y dialectos compatibles
Mandarin (zh), Cantonese (yue), inglés (en), japonés (ja), coreano (ko)
Parakeet TDT 0.6B v3
Velocidad + multilingüe
Owl Meeting · Model 3
Parakeet TDT 0.6B v3 usa FastConformer-TDT y combina respuesta en vivo con inglés y varios idiomas europeos.
Idiomas y dialectos compatibles
búlgaro (bg), croata (hr), checo (cs), danés (da), neerlandés (nl), inglés (en), estonio (et), finés (fi), francés (fr), alemán (de), griego (el), húngaro (hu), italiano (it), letón (lv), lituano (lt), maltés (mt), polaco (pl), portugués (pt), rumano (ro), eslovaco (sk), esloveno (sl), español (es), sueco (sv), ruso (ru), ucraniano (uk)
FireRedASR2-AED
Precisión en chino
Owl Meeting · Model 2
FireRedASR2-AED está diseñado para transcripción offline precisa de mandarín, dialectos chinos, inglés y cambio de código.
Idiomas y dialectos compatibles
Mandarin (zh), inglés (en)
Dialectos y acentos chinos: 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
Precisión + multilingüe
Owl Meeting · Model 4
Qwen3-ASR-0.6B equilibra tamaño, precisión y cobertura. Owl Meeting lo orienta a transcripción offline cuidadosa.
Idiomas y dialectos compatibles
Chinese (zh), inglés (en), Cantonese (yue), árabe (ar), alemán (de), francés (fr), español (es), portugués (pt), indonesio (id), italiano (it), coreano (ko), ruso (ru), tailandés (th), vietnamita (vi), japonés (ja), turco (tr), hindi (hi), malayo (ms), neerlandés (nl), sueco (sv), danés (da), finés (fi), polaco (pl), checo (cs), filipino (fil), persa (fa), griego (el), húngaro (hu), macedonio (mk), rumano (ro)
Dialectos y acentos chinos: 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
Tiempo real: SenseVoice y Parakeet
En vivo importan la latencia sostenida y la estabilidad del texto parcial. SenseVoice prioriza velocidad en chino, inglés, japonés y coreano; Parakeet es mejor punto de partida para reuniones europeas multilingües.
Alta precisión offline: FireRedASR y Qwen3
FireRedASR2-AED prioriza mandarín, dialectos, acentos y mezcla chino-inglés. Su ficha informa 3,05 % de CER medio en cuatro benchmarks de mandarín y 11,67 % en 19 de dialectos y acentos; solo aplica a esas condiciones.
Qwen3-ASR-0.6B es una buena base cuando importan precisión y cobertura. Su ficha enumera 30 idiomas y 22 dialectos chinos.
Elección inicial práctica
- Tiempo real ZH/EN/JA/KO y velocidad: SenseVoiceSmall.
- Tiempo real inglés y Europa multilingüe: Parakeet TDT 0.6B v3.
- Offline chino y dialectos: FireRedASR2-AED.
- Offline precisión y amplia cobertura: Qwen3-ASR-0.6B.