К содержимому
Аудио

Audio8-ASR-0.1B-ONNX

быстрое распознавание речи на CPU

2 мин чтенияобновлено

Модель переводит устную речь на английском и китайском языках в текст (задача ASR — автоматическое распознавание речи). Это экспортированная в формат ONNX версия оригинальной модели Edge0/Audio8-ASR-0.1B, которая сочетает аудиоэнкодер в стиле Whisper и компактный 8-слойный текстовый декодер Qwen2 на 0.1B параметров. Сборка адаптирована под движок sherpa-onnx, что позволяет запускать её без тяжёлых фреймворков вроде PyTorch и без видеокарты. Подойдёт разработчикам локальных голосовых интерфейсов и систем транскрибации, которым важна высокая скорость работы на обычном процессоре.

Ключевые особенности

  • Полное совпадение с оригиналом: при сравнении с эталонной версией в transformers на тестовых записях модель выдаёт идентичный текст (CER 0.000).
  • Высокая скорость на CPU: на процессорах Apple M-серии показатель RTF (отношение времени обработки ко времени записи) составляет 0.075–0.204, то есть 10 секунд аудио расшифровываются меньше чем за 2 секунды.
  • Готовая архитектура под sherpa-onnx: декодер использует статический KV-кэш на 512 слотов для ускорения генерации.
  • В архив включены все нужные файлы: encoder.onnx (839 МБ), decoder.onnx (694 МБ) и папка токенизатора (12 МБ).

Что можно сделать

  • Встроить офлайн-распознавание английской и китайской речи в десктопное или мобильное приложение на базе библиотеки sherpa-onnx.
  • Использовать в связке с VAD (детектором голосовой активности) для потоковой расшифровки длинных подкастов, звонков или лекций.

Пример

recognizer = sherpa_onnx.OfflineRecognizer.from_audio8_asr(
    encoder="encoder.onnx", decoder="decoder.onnx", tokenizer="tokenizer")
ПодробнееОграничение окна: модель обрабатывает фрагменты до 30 секунд; более длинные записи нужно предварительно нарезать с помощью VAD.
Сравнение с оригиналом проводилось на 5 клипах длительностью 4.7–17.6 с (китайский и английский языки).
Лицензия: CC-BY-NC-4.0 (только для некоммерческого использования, наследуется от базового чекпоинта).
Обсудить Telegram 0

Запустится ли?

Запустится в INT8

Влезает без сжатия.

  • INT8рекомендуемвеса 0.2 GB · готовые файлы0.7 GB
  • 4-bitвеса 0.1 GB0.6 GB

Совет: берите 8-bit.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: INT8 — 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.

    # yunyu1258/audio8-asr-onnx
    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 yunyu1258/audio8-asr-onnx --local-dir ~/models/audio8-asr-onnx
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к audio8-asr-onnx
  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 audio8-asr-onnx — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

yunyu1258/audio8-asr-onnx
Автор
yunyu1258
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