Описание
Audio8 ASR Infinite — это передовая модель потокового распознавания речи, разработанная для предоставления высокоотзывчивых и точных услуг транскрипции. Основанная на нативной потоковой архитектуре, она декодирует аудио со скоростью 12,5 раз в секунду, обеспечивая минимальную задержку и высокую эффективность. Модель поддерживает транскрипцию неограниченной длины, что стало возможным благодаря скользящему KV-кэшу, который поддерживает постоянную память и задержку даже при круглосуточной работе.
Читать далее
Одной из выдающихся особенностей Audio8 ASR Infinite является настраиваемый аудиочасы, который позволяет пользователям выбирать между настройками 80, 120 или 160 мс. Эта гибкость помогает сбалансировать гранулярность восприятия с затратами ресурсов. Кроме того, модель предлагает настраиваемые параметры задержки транскрипции в диапазоне от 240 до 560 мс, позволяя пользователям жертвовать задержкой ради повышения точности.
Модель двуязычная, поддерживает как китайский, так и английский языки и включает в себя семантическое обнаружение активности голоса (VAD), чтобы различать паузы для размышлений, заикание и фактическую речь в конце реплики, где традиционное акустическое VAD часто терпит неудачу. Эта функция улучшает способность модели предоставлять более естественные и точные транскрипции.
Audio8 ASR Infinite наследует архитектуру реального времени Voxtral и потоковую передачу в стиле DSM, включая такие компоненты, как Causal Audio Tower и Audio Projector. Архитектура модели включает 32 слоя в аудиобашне и 36 слоев в декодере текста, с размером словаря 151,936.
На данный момент Audio8 ASR Infinite находится на стадии предварительного релиза и предоставляет надежную базу для транскрипции, с планами на будущие обновления, которые включат возможности семантического восприятия на уровне кадров. Модель была оценена по различным тестовым наборам, демонстрируя конкурентоспособные результаты по уровню ошибок символов (CER) и уровню ошибок слов (WER) по сравнению с другими моделями.
Разработанная для разработчиков и компаний, ищущих надежные и масштабируемые решения для распознавания речи, Audio8 ASR Infinite предлагает программируемые возможности декодирования с имитацией потоковой передачи и поддерживает развертывание через Docker compose, что делает ее доступной для интеграции в различные приложения.
- КатегорияИИ-инструменты транскрипции
- Модель ценообразованияОткрытый код
- РазвёртываниеОблако
- ПлатформыВеб
Главное о Audio8 ASR Infinite
Нативная потоковая архитектура
Транскрипция неограниченной длины
Настраиваемые параметры аудиочасов
Настраиваемая задержка транскрипции
Двуязычная поддержка: китайский и английский
Семантическое обнаружение активности голоса
Архитектура реального времени Voxtral
Скользящий KV-кэш для постоянной задержки
Начало работы с Audio8 ASR Infinite
Доступ к модели: посетите страницу модели Hugging Face
Аутентификация: настройте необходимые учетные данные
Настройка окружения: подготовьте вашу среду разработки
Интеграция через API: используйте предоставленный API для интеграции
Оптимизация: настройте параметры для оптимальной производительности
Варианты использования Audio8 ASR Infinite
- Транскрипция в реальном времени
- Двуязычная транскрипция
- Круглосуточный мониторинг
- Семантический анализ
- Настраиваемая задержка
