Lokalne modele ASR
4 lokalne modele ASR: szybkość, języki i dokładność
Cztery modele CPU w Owl Meeting do małych opóźnień na żywo i dokładnej transkrypcji offline.
Czym różnią się cztery lokalne modele ASR
Owl Meeting konwertuje wszystkie cztery modele rozpoznawania mowy z wersji oryginalnych do formatu ONNX zoptymalizowanego pod CPU i lokalne działanie w systemie Windows. Dedykowana karta graficzna nie jest potrzebna: zwykły komputer może szybko prowadzić rozpoznawanie na żywo lub transkrypcję offline, zachowując rozpoznawanie i nagrania na urządzeniu.
| Model | Mocna strona | Języki | Pakiet lokalny | Zalecane użycie |
|---|---|---|---|---|
| SenseVoiceSmall | Szybkość | Mandaryński, kantoński, angielski, japoński i koreański | 230 MB kwant. / 900 MB standard | Napisy na żywo i małe opóźnienie |
| Parakeet TDT 0.6B v3 | Szybkość + wielojęzyczność | 25 języków europejskich z autodetekcją | Około 850 MB | Europejskie rozpoznawanie wielojęzyczne na żywo |
| FireRedASR2-AED | Dokładność chińskiego | Mandaryński, chińskie dialekty/akcenty, angielski i code-switching | Około 1,6 GB; interpunkcja +390 MB | Dokładna chińska transkrypcja offline |
| Qwen3-ASR-0.6B | Dokładność + wielojęzyczność | 30 języków i 22 chińskie dialekty | Około 895 MB | Dokładna wielojęzyczna transkrypcja offline |
SenseVoiceSmall
Szybkość
Owl Meeting · Model 1
SenseVoiceSmall wykorzystuje architekturę nieautoregresyjną do transkrypcji mandaryńskiego, kantońskiego, angielskiego, japońskiego i koreańskiego z niskim opóźnieniem.
Obsługiwane języki i dialekty
Mandarin (zh), Cantonese (yue), angielski (en), japoński (ja), koreański (ko)
Parakeet TDT 0.6B v3
Szybkość + wielojęzyczność
Owl Meeting · Model 3
Parakeet TDT 0.6B v3 używa FastConformer-TDT i łączy szybkość live z angielskim i językami Europy.
Obsługiwane języki i dialekty
bułgarski (bg), chorwacki (hr), czeski (cs), duński (da), niderlandzki (nl), angielski (en), estoński (et), fiński (fi), francuski (fr), niemiecki (de), grecki (el), węgierski (hu), włoski (it), łotewski (lv), litewski (lt), maltański (mt), polski (pl), portugalski (pt), rumuński (ro), słowacki (sk), słoweński (sl), hiszpański (es), szwedzki (sv), rosyjski (ru), ukraiński (uk)
FireRedASR2-AED
Dokładność chińskiego
Owl Meeting · Model 2
FireRedASR2-AED służy do dokładnej transkrypcji offline mandaryńskiego, chińskich dialektów, angielskiego i code-switchingu.
Obsługiwane języki i dialekty
Mandarin (zh), angielski (en)
Chińskie dialekty i akcenty: 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
Dokładność + wielojęzyczność
Owl Meeting · Model 4
Qwen3-ASR-0.6B równoważy rozmiar, dokładność i pokrycie do starannej pracy offline.
Obsługiwane języki i dialekty
Chinese (zh), angielski (en), Cantonese (yue), arabski (ar), niemiecki (de), francuski (fr), hiszpański (es), portugalski (pt), indonezyjski (id), włoski (it), koreański (ko), rosyjski (ru), tajski (th), wietnamski (vi), japoński (ja), turecki (tr), hindi (hi), malajski (ms), niderlandzki (nl), szwedzki (sv), duński (da), fiński (fi), polski (pl), czeski (cs), filipiński (fil), perski (fa), grecki (el), węgierski (hu), macedoński (mk), rumuński (ro)
Chińskie dialekty i akcenty: 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
Na żywo: SenseVoice i Parakeet
Na żywo liczą się stałe opóźnienie i stabilność częściowego tekstu. SenseVoice jest szybki dla ZH/EN/JA/KO; Parakeet dla wielojęzycznych spotkań europejskich.
Dokładnie offline: FireRedASR i Qwen3
FireRedASR2-AED skupia się na mandaryńskim, dialektach, akcentach i mowie chińsko-angielskiej. Karta podaje 3,05% średniego CER na czterech testach mandaryńskich i 11,67% na 19 testach dialektów; tylko dla tych warunków.
Qwen3-ASR-0.6B łączy dokładność z szeroką obsługą 30 języków i 22 chińskich dialektów.
Praktyczny pierwszy wybór
- Realtime ZH/EN/JA/KO, szybkość: SenseVoiceSmall.
- Realtime angielski i Europa: Parakeet TDT 0.6B v3.
- Offline chiński i dialekty: FireRedASR2-AED.
- Offline dokładność i szerokie pokrycie: Qwen3-ASR-0.6B.