Modelos ASR locais
4 modelos ASR locais: velocidade, idiomas e precisão
Quatro modelos CPU do Owl Meeting para tempo real de baixa latência e transcrição offline precisa.
Como os quatro modelos ASR locais diferem
O Owl Meeting converte os quatro modelos de reconhecimento de fala das versões originais para o formato ONNX otimizado para CPU e para execução local no Windows. Não é necessária uma GPU dedicada: um PC comum pode fazer reconhecimento ao vivo ou transcrição offline com rapidez, mantendo o reconhecimento e as gravações no próprio dispositivo.
| Modelo | Ponto forte | Idiomas | Pacote local | Uso recomendado |
|---|---|---|---|---|
| SenseVoiceSmall | Velocidade | Mandarim, cantonês, inglês, japonês e coreano | 230 MB quantizado / 900 MB padrão | Legendas ao vivo e reuniões de baixa latência |
| Parakeet TDT 0.6B v3 | Velocidade + multilíngue | 25 idiomas europeus com detecção automática | Cerca de 850 MB | Tempo real europeu multilíngue |
| FireRedASR2-AED | Precisão em chinês | Mandarim, dialetos/sotaques chineses, inglês e alternância | Cerca de 1,6 GB; pontuação +390 MB | Chinês e dialetos offline com alta precisão |
| Qwen3-ASR-0.6B | Precisão + multilíngue | 30 idiomas e 22 dialetos chineses | Cerca de 895 MB | Transcrição offline precisa e multilíngue |
SenseVoiceSmall
Velocidade
Owl Meeting · Model 1
SenseVoiceSmall usa uma arquitetura não autorregressiva para transcrever mandarim, cantonês, inglês, japonês e coreano com baixa latência.
Idiomas e dialetos compatíveis
Mandarin (zh), Cantonese (yue), inglês (en), japonês (ja), coreano (ko)
Parakeet TDT 0.6B v3
Velocidade + multilíngue
Owl Meeting · Model 3
Parakeet TDT 0.6B v3 usa FastConformer-TDT e combina resposta ao vivo com inglês e vários idiomas europeus.
Idiomas e dialetos compatíveis
búlgaro (bg), croata (hr), tcheco (cs), dinamarquês (da), holandês (nl), inglês (en), estoniano (et), finlandês (fi), francês (fr), alemão (de), grego (el), húngaro (hu), italiano (it), letão (lv), lituano (lt), maltês (mt), polonês (pl), português (pt), romeno (ro), eslovaco (sk), esloveno (sl), espanhol (es), sueco (sv), russo (ru), ucraniano (uk)
FireRedASR2-AED
Precisão em chinês
Owl Meeting · Model 2
FireRedASR2-AED foi projetado para transcrição offline precisa de mandarim, dialetos chineses, inglês e alternância de idiomas.
Idiomas e dialetos compatíveis
Mandarin (zh), inglês (en)
Dialetos e sotaques chineses: 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
Precisão + multilíngue
Owl Meeting · Model 4
Qwen3-ASR-0.6B equilibra tamanho, precisão e cobertura para transcrição offline cuidadosa.
Idiomas e dialetos compatíveis
Chinese (zh), inglês (en), Cantonese (yue), árabe (ar), alemão (de), francês (fr), espanhol (es), português (pt), indonésio (id), italiano (it), coreano (ko), russo (ru), tailandês (th), vietnamita (vi), japonês (ja), turco (tr), híndi (hi), malaio (ms), holandês (nl), sueco (sv), dinamarquês (da), finlandês (fi), polonês (pl), tcheco (cs), filipino (fil), persa (fa), grego (el), húngaro (hu), macedônio (mk), romeno (ro)
Dialetos e sotaques chineses: 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
Tempo real: SenseVoice e Parakeet
Ao vivo, latência contínua e estabilidade parcial importam mais que o WER final. SenseVoice prioriza velocidade em chinês, inglês, japonês e coreano; Parakeet atende reuniões europeias multilíngues.
Alta precisão offline: FireRedASR e Qwen3
FireRedASR2-AED prioriza mandarim, dialetos, sotaques e mistura chinês-inglês. A ficha informa CER médio de 3,05% em quatro benchmarks mandarim e 11,67% em 19 de dialetos/sotaques, apenas nas condições oficiais.
Qwen3-ASR-0.6B é a opção inicial quando precisão e cobertura importam juntas. A ficha lista 30 idiomas e 22 dialetos chineses.
Escolha inicial prática
- Tempo real ZH/EN/JA/KO e velocidade: SenseVoiceSmall.
- Tempo real inglês e Europa multilíngue: Parakeet TDT 0.6B v3.
- Offline chinês e dialetos: FireRedASR2-AED.
- Offline precisão e ampla cobertura: Qwen3-ASR-0.6B.