官网查看
定制方案
- ✓
暂未采集到具体套餐,价格以官网为准
2900万参数的语音转文字模型,能在词语说完之前就将其输出
Earlybird 是一款仅 2900 万参数、17 MB 的端侧语音转文字模型,能够在说话者说完单词前约 90 毫秒提前预测,并为每个词提供置信度。它专为需要更快响应的语音智能体打造,采用开放权重与代码。
2900万参数的语音转文字模型,能在词语说完之前就将其输出
Earlybird 是一款仅 2900 万参数、17 MB 的端侧语音转文字模型,能够在说话者说完单词前约 90 毫秒提前预测,并为每个词提供置信度。它专为需要更快响应的语音智能体打造,采用开放权重与代码。
暂未采集到具体套餐,价格以官网为准
嗨,Product Hunt!我是 Sahil。
我一直在开发语音智能体,并不断遇到同一个延迟问题:语音转文字必须等到每个词说完后才会显示,因此智能体在此之前无法开始工作。Earlybird 则能在说话者说完某个词之前就将其输出。在有声书语音中,Earlybird 预测词语正确的中位时间比词语完整说完早 90 毫秒,而其他流式模型则要晚 90 到 400 毫秒才能预测正确。该模型大小为 17 MB,可运行在 CPU 上。