로컬 ASR 모델
로컬 ASR 모델 4종: 속도, 다국어, 정확도로 선택
Owl Meeting의 CPU 모델 4종을 저지연 실시간과 고정확도 오프라인 용도로 비교합니다.
네 로컬 ASR 모델의 차이
Owl Meeting에서 사용하는 네 가지 음성 인식 모델은 모두 원본 모델을 CPU 친화적인 ONNX 형식으로 변환하고 Windows 로컬 실행에 맞게 최적화했습니다. 전용 GPU 없이도 일반 PC의 CPU로 실시간 인식이나 오프라인 전사를 빠르게 처리할 수 있으며, 인식 작업과 녹음은 기기 안에 유지됩니다.
| 모델 | 핵심 강점 | 언어 | 로컬 패키지 | 권장 용도 |
|---|---|---|---|---|
| SenseVoiceSmall | 속도 | 표준 중국어, 광둥어, 영어, 일본어, 한국어 | 양자화 230 MB / 표준 900 MB | 실시간 자막과 저지연 회의 |
| Parakeet TDT 0.6B v3 | 속도 + 다국어 | 유럽 25개 언어와 자동 언어 감지 | 약 850 MB | 유럽 다국어 실시간 인식 |
| FireRedASR2-AED | 중국어 정확도 | 표준 중국어, 중국 방언/억양, 영어, 코드 스위칭 | 약 1.6 GB, 구두점 모델 약 390 MB 추가 | 중국어·방언 고정확도 오프라인 전사 |
| Qwen3-ASR-0.6B | 정확도 + 다국어 | 30개 언어와 22개 중국 방언 | 약 895 MB | 다국어·방언 고정확도 오프라인 전사 |
SenseVoiceSmall
속도
Owl Meeting · Model 1
SenseVoiceSmall은 비자기회귀 구조로 표준 중국어, 광둥어, 영어, 일본어, 한국어를 낮은 지연으로 전사합니다.
지원 언어·방언
Mandarin (zh), Cantonese (yue), 영어 (en), 일본어 (ja), 한국어 (ko)
Parakeet TDT 0.6B v3
속도 + 다국어
Owl Meeting · Model 3
Parakeet TDT 0.6B v3는 FastConformer-TDT로 실시간 속도와 영어·유럽 언어 지원을 결합합니다.
지원 언어·방언
불가리아어 (bg), 크로아티아어 (hr), 체코어 (cs), 덴마크어 (da), 네덜란드어 (nl), 영어 (en), 에스토니아어 (et), 핀란드어 (fi), 프랑스어 (fr), 독일어 (de), 그리스어 (el), 헝가리어 (hu), 이탈리아어 (it), 라트비아어 (lv), 리투아니아어 (lt), 몰타어 (mt), 폴란드어 (pl), 포르투갈어 (pt), 루마니아어 (ro), 슬로바키아어 (sk), 슬로베니아어 (sl), 스페인어 (es), 스웨덴어 (sv), 러시아어 (ru), 우크라이나어 (uk)
FireRedASR2-AED
중국어 정확도
Owl Meeting · Model 2
FireRedASR2-AED는 표준 중국어, 중국 방언, 영어, 코드 스위칭의 고정확도 오프라인 전사에 적합합니다.
지원 언어·방언
Mandarin (zh), 영어 (en)
중국어 방언·억양: 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
정확도 + 다국어
Owl Meeting · Model 4
Qwen3-ASR-0.6B는 크기, 정확도, 언어 범위의 균형이 좋아 세밀한 오프라인 전사에 적합합니다.
지원 언어·방언
Chinese (zh), 영어 (en), Cantonese (yue), 아랍어 (ar), 독일어 (de), 프랑스어 (fr), 스페인어 (es), 포르투갈어 (pt), 인도네시아어 (id), 이탈리아어 (it), 한국어 (ko), 러시아어 (ru), 태국어 (th), 베트남어 (vi), 일본어 (ja), 튀르키예어 (tr), 힌디어 (hi), 말레이어 (ms), 네덜란드어 (nl), 스웨덴어 (sv), 덴마크어 (da), 핀란드어 (fi), 폴란드어 (pl), 체코어 (cs), 필리핀어 (fil), 페르시아어 (fa), 그리스어 (el), 헝가리어 (hu), 마케도니아어 (mk), 루마니아어 (ro)
중국어 방언·억양: 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
실시간: SenseVoice와 Parakeet
실시간에서는 최종 WER뿐 아니라 지속 지연과 부분 결과 안정성이 중요합니다. 중·영·일·한 속도 우선은 SenseVoice, 유럽 다국어는 Parakeet이 출발점입니다.
고정확도 오프라인: FireRedASR와 Qwen3
FireRedASR2-AED는 표준 중국어, 방언, 억양, 중영 혼합에 강하며 중국어 4개 벤치마크 평균 CER 3.05%, 방언/억양 19개 평균 CER 11.67%를 기록합니다.
Qwen3-ASR-0.6B는 정확도와 폭넓은 언어 범위를 결합해 30개 언어와 22개 중국 방언을 지원합니다.
실용적인 첫 선택
- 실시간 중/영/일/한, 속도: SenseVoiceSmall.
- 실시간 영어·유럽 다국어: Parakeet TDT 0.6B v3.
- 오프라인 중국어·방언: FireRedASR2-AED.
- 오프라인 정확도·폭넓은 다국어: Qwen3-ASR-0.6B.