Radar ·
AuroraASR-1M: modelo de reconhecimento de fala em inglês de 1MB para CPU
Modelo de fala em inglês de 949 mil parâmetros para CPU, com cerca de 436 vezes tempo real e WER de 11,43% no test-clean, segundo o autor.
O AuroraASR-1M é descrito como um modelo Conformer-CTC de 949 mil parâmetros (1,06 MB em INT8, licença Apache 2.0), treinado com o conjunto LibriSpeech para reconhecimento de fala em inglês. O autor relata cerca de 436 vezes tempo real em uma thread de CPU, mas com taxa de erro de palavras (WER) de 11,43% no test-clean, contra 5,6% do Whisper Tiny. A indicação do autor é uso offline e somente em CPU, em cenários nos quais tamanho do modelo e latência pesam mais que precisão.
O caso ilustra o compromisso entre velocidade, tamanho e qualidade em modelos de fala pequenos. Para verificar, consulte a página original indicada pelo autor e confira o conjunto de teste, a métrica de WER e as condições da medição de velocidade antes de qualquer decisão. A Rota Nacional não oferece este modelo nem garante desempenho semelhante; o que a plataforma oferece para áudio é a transcrição, que já passa pela mesma barreira de detecção de dados pessoais.
Fonte original: AuroraASR-1M: modelo de reconhecimento de fala em inglês de 1MB para CPU