К содержимому
Аудио

Fleet-2

30-мегабайтная модель для распознавания речи на устройстве

2 мин чтенияобновлено

Компактная on-device модель от автора Lucasgitguy-co для перевода речи в текст (ASR) на 8 языках: английском, немецком, французском, испанском, итальянском, нидерландском, польском и корейском. Она построена на архитектуре Cactus Whistle, весит всего 30 МБ и представляет собой доработанную версию Fleet-1, обученную методом дистилляции на транскрипциях от openai/whisper-large-v3-turbo. По сравнению с первой версией модель получила новые обучающие данные (VoxPopuli и Zeroth-Korean) и улучшила распознавание немецкого, французского, польского и корейского языков, хотя на остальных языках метрики остались на прежнем уровне или слегка просели. Подойдёт разработчикам мобильных и локальных приложений, которым нужно офлайн-распознавание коротких голосовых команд без тяжёлых зависимостей вроде Transformers.

Ключевые особенности

  • Сверхмалый вес 30 МБ: квантована в формат W4/A8 (4 бита на веса, 8 бит на активации) и рассчитана на быстрый запуск прямо на устройстве через движок Cactus.
  • 8 языков с автоопределением: поддерживает EN, DE, FR, ES, IT, NL, PL и KO, автоматически определяя язык аудиофрагмента.
  • Дистилляция от Whisper-large-v3-turbo: училась на отфильтрованных расшифровках крупной модели-учителя (4326 коротких клипов до 12 секунд из FLEURS, VoxPopuli и Zeroth-Korean).
  • Открытая лицензия Apache 2.0: в репозитории также приложены манифест данных, скрипты обучения и полные таблицы замеров.

Что можно сделать

  • Встроить локальный голосовой ввод или транскрибацию коротких заметок в офлайн-приложение на базе cactus-compute.
  • Использовать как лёгкий модуль распознавания речи на CPU (включая Apple Silicon) для голосовых интерфейсов на европейских и корейском языках.

Пример

import cactus
from huggingface_hub import hf_hub_download

path = hf_hub_download("Lucasgitguy-co/Fleet-2", "whistle.cact")
print(cactus.transcribe("clip.wav", weights=path)["text"])
Подробнее Метрики на FLEURS (100 клипов на язык, ниже — лучше): EN — 14.50% WER, DE — 22.02% WER, FR — 24.93% WER, ES — 11.93% WER, IT — 16.66% WER, NL — 30.06% WER, PL — 41.62% WER, KO — 42.80% CER (против 52.35% у Fleet-1).
Требования и формат: на вход принимается моно WAV 16 кГц, требуется библиотека cactus-compute (ревизия ee2ffc67fe0f9537d4928e158440c7d228a63100); с обычным Hugging Face Transformers несовместима.
Ограничения: тестировалась только на коротких записях до 12 секунд; точность на длинных, шумных или диалоговых аудио не проверялась.
Обучение: LoRA-адаптер с расширенным корейским словарём обучался 2 эпохи (8652 шага, выбран чекпоинт 2163) с QAT (W4/A8) на CPU Apple M4.
Обсудить Telegram 0 38

Запустится ли?

Считаем требования к памяти

Это LoRA: она работает только поверх базовой модели Lucasgitguy-co/Fleet-1. Размер базовой модели ещё считаем — оценка появится в течение суток.

Massed ComputeОткрыть Massed Compute

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.

    # Lucasgitguy-co/Fleet-2
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    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 Lucasgitguy-co/Fleet-1 --local-dir ~/models/Fleet-1
    hf download Lucasgitguy-co/Fleet-2 --local-dir ~/models/Fleet-2
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Fleet-1
  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

Нужна базовая модель

Lucasgitguy-co/Fleet-1

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

  1. whistleоснова семьи
  2. whistle-finetuned-ko
  3. Fleet-1
  4. Fleet-2

Новые посты про версии whistle — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 5Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 2Все на Hugging Face

О модели

Lucasgitguy-co/Fleet-2
Автор
Lucasgitguy-co
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

380

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии