japanese-asr-streaming-tiny-v0.1

Это японская ASR-модель от Basyauma Technologies для распознавания речи на смартфоне и последовательного показа текста по мере говорения. Модель дообучена на базе существующей, сконвертирована и частично квантована для встраивания в мобильные приложения; потоковые ассеты занимают около 66 МБ, всего 27 015 361 параметр.

🔥 Ключевые особенности

• 🚀 Потоковое распознавание на устройстве: промежуточный текст обновляется каждые 0,16 с.
• 👀 Вход — 16 кГц, моно, блоками по 80 мс.
• 💯 Обновлено 17 554 240 параметров: аудиоэнкодер заморожен, декодер и соединительная часть учились 100 шагов.
• 🧐 Обучение на 96 синтетических фразах, 17 фраз — для dev-оценки; это предварительная оценка, не независимый тест на реальной речи.
• ⛔ Специальный bias по терминам по умолчанию отключён: он ухудшал промежуточный вывод.
• 🎁 В native/ лежат ассеты для встраивания; потоковый вариант — около 65,7 МБ.

👀 Пример

Сценарий из карточки: приложение на смартфоне принимает 16 кГц моно и обновляет промежуточный текст каждые 0,16 с. На одном устройстве первые символы появлялись через ~1,18–1,22 с, максимальная резидентная память — около 280 МБ.