Локальные ASR-модели
4 локальные ASR-модели: скорость, языки и точность
Четыре CPU-модели Owl Meeting для малой задержки в реальном времени и точной офлайн-расшифровки.
Чем отличаются четыре локальные ASR-модели
Owl Meeting преобразует все четыре модели распознавания речи из оригинальных версий в оптимизированный для CPU формат ONNX и настраивает их для локальной работы в Windows. Отдельная видеокарта не нужна: обычный компьютер может быстро выполнять распознавание в реальном времени или офлайн-транскрибацию, сохраняя распознавание и записи на устройстве.
| Модель | Сильная сторона | Языки | Локальный пакет | Рекомендуемый сценарий |
|---|---|---|---|---|
| SenseVoiceSmall | Скорость | Мандарин, кантонский, английский, японский и корейский | 230 МБ квант. / 900 МБ стандарт | Живые субтитры и малая задержка |
| Parakeet TDT 0.6B v3 | Скорость + многоязычность | 25 европейских языков с автоопределением | Около 850 МБ | Европейское многоязычное распознавание в реальном времени |
| FireRedASR2-AED | Точность китайского | Мандарин, китайские диалекты/акценты, английский, смешанная речь | Около 1,6 ГБ; пунктуация +390 МБ | Точная офлайн-расшифровка китайского |
| Qwen3-ASR-0.6B | Точность + многоязычность | 30 языков и 22 китайских диалекта | Около 895 МБ | Точная многоязычная офлайн-расшифровка |
SenseVoiceSmall
Скорость
Owl Meeting · Model 1
SenseVoiceSmall использует неавторегрессионную архитектуру для распознавания мандарина, кантонского, английского, японского и корейского с низкой задержкой.
Поддерживаемые языки и диалекты
Mandarin (zh), Cantonese (yue), английский (en), японский (ja), корейский (ko)
Parakeet TDT 0.6B v3
Скорость + многоязычность
Owl Meeting · Model 3
Parakeet TDT 0.6B v3 использует FastConformer-TDT и сочетает скорость с английским и европейскими языками.
Поддерживаемые языки и диалекты
болгарский (bg), хорватский (hr), чешский (cs), датский (da), нидерландский (nl), английский (en), эстонский (et), финский (fi), французский (fr), немецкий (de), греческий (el), венгерский (hu), итальянский (it), латышский (lv), литовский (lt), мальтийский (mt), польский (pl), португальский (pt), румынский (ro), словацкий (sk), словенский (sl), испанский (es), шведский (sv), русский (ru), украинский (uk)
FireRedASR2-AED
Точность китайского
Owl Meeting · Model 2
FireRedASR2-AED предназначен для точной офлайн-транскрипции мандарина, китайских диалектов, английского и смешанной речи.
Поддерживаемые языки и диалекты
Mandarin (zh), английский (en)
Китайские диалекты и акценты: 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
Точность + многоязычность
Owl Meeting · Model 4
Qwen3-ASR-0.6B балансирует размер, точность и покрытие для тщательной офлайн-работы.
Поддерживаемые языки и диалекты
Chinese (zh), английский (en), Cantonese (yue), арабский (ar), немецкий (de), французский (fr), испанский (es), португальский (pt), индонезийский (id), итальянский (it), корейский (ko), русский (ru), тайский (th), вьетнамский (vi), японский (ja), турецкий (tr), хинди (hi), малайский (ms), нидерландский (nl), шведский (sv), датский (da), финский (fi), польский (pl), чешский (cs), филиппинский (fil), персидский (fa), греческий (el), венгерский (hu), македонский (mk), румынский (ro)
Китайские диалекты и акценты: 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
Реальное время: SenseVoice и Parakeet
Для живого распознавания важны постоянная задержка и стабильность частичного текста. SenseVoice — быстрый выбор для китайского, английского, японского и корейского; Parakeet — для европейских языков.
Точная офлайн-работа: FireRedASR и Qwen3
FireRedASR2-AED ориентирован на мандарин, диалекты, акценты и китайско-английскую речь. Карточка сообщает средний CER 3,05% на четырёх тестах мандарина и 11,67% на 19 тестах диалектов; это только условия автора.
Qwen3-ASR-0.6B сочетает точность с широким охватом 30 языков и 22 китайских диалектов.
Практический первый выбор
- Live ZH/EN/JA/KO, скорость: SenseVoiceSmall.
- Live английский и европейские языки: Parakeet TDT 0.6B v3.
- Offline китайский и диалекты: FireRedASR2-AED.
- Offline точность и многоязычность: Qwen3-ASR-0.6B.