GitHub-радар
Audio8 ASR Infinite: бесконечный поток моделей распознавания речи
Edge0 опубликовала долговременно стабильную потоковую ASR-модель, которая не даёт длинному аудио превратиться в кашу к концу записи.
Долговременно стабильная потоковая ASR-модель, которая избегает путаных окончаний при длинных аудиозаписях. Audio8 ASR Infinite — это модель онлайн-распознавания речи, созданная Edge0, которая превращает аудиосигналы в соответствующий текст в реальном времени. За счёт использования потоковой модели мы можем добиться высокой частоты декодирования (12,5 Гц). Это также позволяет нам задавать разные задержки (240–560 мс) и распознавать и китайский, и английский языки. Модель довольно маленькая — всего около 4 миллиардов параметров. Но, к сожалению, поскольку это не универсальная модель, развернуть её мы можем только локально через Docker, используя как лёгкий потоковый сервис. У нас также есть демо-сайт!
Зачем это вайб-кодеру
Она предназначена для работы с длинными аудиозаписями — интервью, прямые эфиры, встречи и так далее, — чтобы длинное аудио не создавало проблем при расшифровке. Можно получать субтитры почти в реальном времени с низкой задержкой (<1 с), вместо того чтобы терять остаток своей речи. Но, к сожалению, для этой модели нужна среда Docker, а не просто установка приложения.
Как поставить
Скопируйте и отправьте своему агенту — Claude Code, Codex, любому:
Разверни у себя модель Audio8 ASR Infinite от компании Edge0: https://huggingface.co/Edge0/Audio8-ASR-Infinite — собери окружение по их инструкции с Docker, запусти веб-демо и покажи, как она распознаёт мою речь в реальном времени.
Обычный ноутбук от 8 ГБ оперативки — сами веса модели занимают около 8 ГБ. Но для расшифровки в реальном времени пригодится видеокарта: в собственных примерах разработчик запускает модель именно на ней, на одном процессоре ответ будет с заметной задержкой.
Открыть на Hugging Face▌ Ещё находки