Modèles ASR locaux
4 modèles ASR locaux : vitesse, langues et précision
Quatre modèles CPU d’Owl Meeting pour le temps réel à faible latence et la transcription hors ligne précise.
Différences entre les quatre modèles ASR locaux
Owl Meeting convertit les quatre modèles de reconnaissance vocale depuis leur version d’origine vers un format ONNX optimisé pour le CPU et l’exécution locale sous Windows. Aucun GPU dédié n’est nécessaire : un PC standard peut assurer rapidement la reconnaissance en direct ou la transcription hors ligne, tout en conservant la reconnaissance et les enregistrements sur l’appareil.
| Modèle | Point fort | Langues | Paquet local | Usage conseillé |
|---|---|---|---|---|
| SenseVoiceSmall | Vitesse | Mandarin, cantonais, anglais, japonais et coréen | 230 Mo quantifié / 900 Mo standard | Sous-titres en direct et réunions à faible latence |
| Parakeet TDT 0.6B v3 | Vitesse + multilingue | 25 langues européennes avec détection automatique | Environ 850 Mo | Temps réel multilingue européen |
| FireRedASR2-AED | Précision chinoise | Mandarin, dialectes/accents chinois, anglais et alternance de langues | Environ 1,6 Go ; modèle de ponctuation +390 Mo | Transcription chinoise précise hors ligne |
| Qwen3-ASR-0.6B | Précision + multilingue | 30 langues et 22 dialectes chinois | Environ 895 Mo | Transcription hors ligne précise et multilingue |
SenseVoiceSmall
Vitesse
Owl Meeting · Model 1
SenseVoiceSmall utilise une architecture non autorégressive pour transcrire le mandarin, le cantonais, l’anglais, le japonais et le coréen avec une faible latence.
Langues et dialectes pris en charge
Mandarin (zh), Cantonese (yue), anglais (en), japonais (ja), coréen (ko)
Parakeet TDT 0.6B v3
Vitesse + multilingue
Owl Meeting · Model 3
Parakeet TDT 0.6B v3 utilise FastConformer-TDT et convient aux séances en direct couvrant l’anglais et plusieurs langues européennes.
Langues et dialectes pris en charge
bulgare (bg), croate (hr), tchèque (cs), danois (da), néerlandais (nl), anglais (en), estonien (et), finnois (fi), français (fr), allemand (de), grec (el), hongrois (hu), italien (it), letton (lv), lituanien (lt), maltais (mt), polonais (pl), portugais (pt), roumain (ro), slovaque (sk), slovène (sl), espagnol (es), suédois (sv), russe (ru), ukrainien (uk)
FireRedASR2-AED
Précision chinoise
Owl Meeting · Model 2
FireRedASR2-AED est conçu pour la transcription hors ligne précise du mandarin, des dialectes chinois, de l’anglais et du code-switching.
Langues et dialectes pris en charge
Mandarin (zh), anglais (en)
Dialectes et accents chinois: 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
Précision + multilingue
Owl Meeting · Model 4
Qwen3-ASR-0.6B équilibre taille, précision et couverture. Owl Meeting le destine au travail hors ligne soigné.
Langues et dialectes pris en charge
Chinese (zh), anglais (en), Cantonese (yue), arabe (ar), allemand (de), français (fr), espagnol (es), portugais (pt), indonésien (id), italien (it), coréen (ko), russe (ru), thaï (th), vietnamien (vi), japonais (ja), turc (tr), hindi (hi), malais (ms), néerlandais (nl), suédois (sv), danois (da), finnois (fi), polonais (pl), tchèque (cs), filipino (fil), persan (fa), grec (el), hongrois (hu), macédonien (mk), roumain (ro)
Dialectes et accents chinois: 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
Temps réel : SenseVoice et Parakeet
En direct, la latence continue et la stabilité des résultats partiels comptent plus que le WER final. SenseVoice privilégie la vitesse en chinois, anglais, japonais ou coréen ; Parakeet convient mieux aux réunions européennes multilingues.
Haute précision hors ligne : FireRedASR et Qwen3
FireRedASR2-AED privilégie le mandarin, les dialectes, les accents et le mélange chinois-anglais. Sa carte annonce 3,05 % de CER moyen sur quatre benchmarks mandarin et 11,67 % sur 19 benchmarks de dialectes et accents, uniquement dans ses conditions de test.
Qwen3-ASR-0.6B combine précision et large couverture de 30 langues et 22 dialectes chinois.
Choix initial pratique
- Temps réel ZH/EN/JA/KO, vitesse : SenseVoiceSmall.
- Temps réel anglais et Europe multilingue : Parakeet TDT 0.6B v3.
- Hors ligne chinois et dialectes : FireRedASR2-AED.
- Hors ligne précision et multilingue : Qwen3-ASR-0.6B.