К содержимому
Аудио

StreamVoice speech models

компактные модели распознавания речи для мобильных устройств

2 мин чтенияобновлено

Коллекция лёгких моделей распознавания речи (ASR), созданных на базе архитектуры NVIDIA FastConformer (115 миллионов параметров) для Android-приложения StreamVoice. Модели оптимизированы под формат ggml и квантованы до 5 бит (q5_0), что позволяет эффективно запускать их на мобильных устройствах с сохранением расстановки знаков препинания и заглавных букв. В репозитории представлены отдельные файлы для разных языков, включая русский, английский и другие европейские языки. Решение пригодится разработчикам мобильного софта и энтузиастам, которым требуется быстрая автономная расшифровка аудио.

Ключевые особенности

  • Поддержка языков: Набор включает отдельные файлы для русского, арабского, французского, немецкого и других языков.
  • Оптимизация под ggml: Веса исходных моделей NeMo конвертированы в формат ggml с квантованием q5_0 для мобильных чипов.
  • Компактный размер: Модели на 115M параметров обеспечивают высокую точность при минимальном потреблении ресурсов.
  • Сохранение пунктуации: Поддержка автоматической расстановки знаков препинания и заглавных букв в транскрипции.

Что можно сделать

  • Интеграция в Android: Использовать файлы моделей в мобильном приложении StreamVoice или аналогичных ggml-совместимых ASR-клиентах.
  • Автономное распознавание: Настроить локальную расшифровку голосовых заметок и аудиосообщений на русском языке без отправки данных в облако.
  • Тестирование производительности: Проверить скорость работы 5-битных квантованных моделей FastConformer на мобильном железе.

Пример

Модели предназначены для использования в составе Android-приложения StreamVoice и не предполагают запуск через стандартные Python-скрипты Hugging Face. Для работы используются готовые бинарные файлы с расширением .bin (например, streamvoice-asr-ru-q5_0.bin для русского языка).

Подробнее• Базовые модели: NVIDIA FastConformer Hybrid Large PC (лицензия CC-BY-4.0).
• Архитектура: 115М параметров, конвертация из NeMo в формат ggml с использованием TDT-декодера.
• Квантование: 5 бит (q5_0); 4-битная версия не использовалась из-за падения точности.
• Ограничения: Дополнительное переобучение весов не проводилось, файлы адаптированы строго под мобильный движок приложения.
Обсудить Telegram 0

Запустится ли?

Запустится в Q5_0

Влезает без сжатия.

  • Q5_0веса 0.1 GB · готовые файлы0.6 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · Q5_0 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # ahmedmohamedra2002/streamvoice-speech-models
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download ahmedmohamedra2002/streamvoice-speech-models --local-dir ~/models/streamvoice-speech-models
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к streamvoice-speech-models
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии streamvoice-speech-models — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

ahmedmohamedra2002/streamvoice-speech-models
Автор
ahmedmohamedra2002
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии