29.7MB 语音模型发布：离线转写阿萨姆语混英语，错误率少 24%
作者：林序
udgamlabs 发布端侧语音识别模型 Shruti Assamese，单个 29.7MB 文件、不联网即可转写阿萨姆语与英语混说对话。开发者称，其词错误率比约大 86 倍的 IndicConformer-600M 低 24%，测试细节与许可证仍待公布。
udgamlabs 的开发者 Jitesh K Prasad 在 11 月 6 日发布端侧语音识别模型 Shruti Assamese：一个 29.7MB 的文件，装在设备上就能把语音转成文字，不用联网。
所谓端侧，就是不联网、数据不出手机，录音不需要上传云端。它面向的场景也很具体：阿萨姆语对话里夹着英语单词。
按开发者公布的数字，在这类混说对话上，Shruti Assamese 的词错误率比 IndicConformer-600M 少约 24%。词错误率指平均每 100 个词里认错几个：前者是 30.2，后者是 39.8。对比模型的体量约为它的 86 倍。
测试用了 84 个句段，英文词只按拉丁字母计分——也就是说，英文若写成其他形式，不计入这次的比较口径。
阿萨姆语是印度阿萨姆邦的主要语言，使用者日常混说英语很常见，但通用语音模型对小语种的覆盖一直偏薄，能在手机上离线跑的更少。29.7MB 这个体量，意味着它有机会塞进低端机型和弱网环境，这是它值得留意的原因。
限制同样明显：目前信息只有开发者本人的社交平台公告，没有看到模型卡或发布页；84 个句段的测试集由谁构建、录音条件如何，都未说明；许可证、实际延迟和支持机型也还没公布。上述数字属于开发者自测，尚无第三方复测。
转载说明
本文根据以下公开资料整理，原文及配图出处见下方。
0
评论 0
还没有评论，来抢沙发。