Naavil Pro speech model
облегчённая ASR-модель для английского и языков Индии
2 min readupdated
Naavil Pro speech model — это копия модели распознавания речи (ASR) bodhan-ai/indic-transcribe-flex на 1.22B параметров, переведённая из формата float32 в float16. Она переводит в текст аудиозаписи на английском и 26 индийских языках, а её энкодер построен на базе Canary-1B-v2 от NVIDIA. В отличие от оригинала весом 4.9 ГБ, который требует авторизации на Hugging Face перед скачиванием, эта версия весит 2.4 ГБ и доступна напрямую без токена. Релиз подготовлен проектом Naavil для однократной загрузки в приложении офлайн-диктовки.
Ключевые особенности
- Сжатие в float16: все тензоры
float32вmodel.safetensorsпереведены вfloat16с проверкой конечности значений, остальные файлы оставлены без изменений. - Широкая языковая база: поддержка английского языка и 26 языков Индии, включая хинди, бенгальский, тамильский, телугу, маратхи и урду.
- Доступ без авторизации: модель открыта для прямой загрузки приложением без аккаунта и токена Hugging Face.
- Контроль целостности: в репозитории приведены контрольные суммы SHA256 и файл
manifest.jsonдля проверки каждого компонента.
Что можно сделать
- Встроить в десктопные или мобильные приложения для офлайн-диктовки и локальной транскрибации речи без отправки аудио в облако.
- Использовать для распознавания мультиязычной речи на английском и индийских языках с экономией видеопамяти и места на диске по сравнению с
float32-версией.
Пример
shasum -a 256 model.safetensors # macOS / Linux
certutil -hashfile model.safetensors SHA256 # Windows
Подробнее
Базовая модель: bodhan-ai/indic-transcribe-flex (энкодер на базе nvidia/canary-1b-v2)Размер: 1.22B параметров, общий вес файлов около 2.45 ГБ (вместо 4.89 ГБ у оригинала)
Лицензия: Indic Open Model License v1.0 (разрешено коммерческое и некоммерческое использование, запуск публичного API требует письменного согласия Bodhan AI)
Оригинальная документация и бенчмарки сохранены в файле upstream/README.md внутри репозитория










Comments