Локальні ASR-моделі
4 локальні ASR-моделі: швидкість, мови й точність
Чотири CPU-моделі Owl Meeting для малої затримки наживо та точної офлайн-транскрипції.
Чим відрізняються чотири локальні ASR-моделі
Owl Meeting перетворює всі чотири моделі розпізнавання мовлення з оригінальних версій у оптимізований для CPU формат ONNX і налаштовує їх для локальної роботи у Windows. Окрема відеокарта не потрібна: звичайний комп’ютер може швидко виконувати розпізнавання наживо або офлайн-транскрибування, зберігаючи розпізнавання та записи на пристрої.
| Модель | Перевага | Мови | Локальний пакет | Рекомендований сценарій |
|---|---|---|---|---|
| SenseVoiceSmall | Швидкість | Мандарин, кантонська, англійська, японська й корейська | 230 МБ квант. / 900 МБ стандарт | Живі субтитри й мала затримка |
| Parakeet TDT 0.6B v3 | Швидкість + багатомовність | 25 європейських мов з автоматичним визначенням | Близько 850 МБ | Європейське багатомовне розпізнавання наживо |
| FireRedASR2-AED | Точність китайської | Мандарин, китайські діалекти/акценти, англійська, змішане мовлення | Близько 1,6 ГБ; пунктуація +390 МБ | Точна офлайн-транскрипція китайської |
| Qwen3-ASR-0.6B | Точність + багатомовність | 30 мов і 22 китайські діалекти | Близько 895 МБ | Точна багатомовна офлайн-транскрипція |
SenseVoiceSmall
Швидкість
Owl Meeting · Model 1
SenseVoiceSmall використовує неавторегресійну архітектуру для розпізнавання мандарину, кантонської, англійської, японської й корейської з низькою затримкою.
Підтримувані мови й діалекти
Mandarin (zh), Cantonese (yue), англійська (en), японська (ja), корейська (ko)
Parakeet TDT 0.6B v3
Швидкість + багатомовність
Owl Meeting · Model 3
Parakeet TDT 0.6B v3 використовує FastConformer-TDT і поєднує швидкість з англійською та європейськими мовами.
Підтримувані мови й діалекти
болгарська (bg), хорватська (hr), чеська (cs), данська (da), нідерландська (nl), англійська (en), естонська (et), фінська (fi), французька (fr), німецька (de), грецька (el), угорська (hu), італійська (it), латиська (lv), литовська (lt), мальтійська (mt), польська (pl), португальська (pt), румунська (ro), словацька (sk), словенська (sl), іспанська (es), шведська (sv), російська (ru), українська (uk)
FireRedASR2-AED
Точність китайської
Owl Meeting · Model 2
FireRedASR2-AED призначений для точної офлайн-транскрипції мандарину, китайських діалектів, англійської та змішаного мовлення.
Підтримувані мови й діалекти
Mandarin (zh), англійська (en)
Китайські діалекти й акценти: 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
Точність + багатомовність
Owl Meeting · Model 4
Qwen3-ASR-0.6B балансує розмір, точність і покриття для ретельної офлайн-роботи.
Підтримувані мови й діалекти
Chinese (zh), англійська (en), Cantonese (yue), арабська (ar), німецька (de), французька (fr), іспанська (es), португальська (pt), індонезійська (id), італійська (it), корейська (ko), російська (ru), тайська (th), вʼєтнамська (vi), японська (ja), турецька (tr), гінді (hi), малайська (ms), нідерландська (nl), шведська (sv), данська (da), фінська (fi), польська (pl), чеська (cs), філіппінська (fil), перська (fa), грецька (el), угорська (hu), македонська (mk), румунська (ro)
Китайські діалекти й акценти: 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
Реальний час: SenseVoice і Parakeet
Наживо важливі постійна затримка й стабільність часткового тексту. SenseVoice — швидкий вибір для ZH/EN/JA/KO; Parakeet — для європейських мов.
Точний офлайн: FireRedASR і Qwen3
FireRedASR2-AED орієнтований на мандарин, діалекти, акценти та китайсько-англійське мовлення. Картка повідомляє CER 3,05% на чотирьох тестах мандарина та 11,67% на 19 тестах діалектів — лише для цих умов.
Qwen3-ASR-0.6B поєднує точність із широким охопленням 30 мов і 22 китайських діалектів.
Практичний перший вибір
- Live ZH/EN/JA/KO, швидкість: SenseVoiceSmall.
- Live англійська та Європа: Parakeet TDT 0.6B v3.
- Offline китайська й діалекти: FireRedASR2-AED.
- Offline точність і багатомовність: Qwen3-ASR-0.6B.