一龍馬/AI 情報站讀懂消息背後的脈絡
星期五
搜尋

Whistle 是單檔 16.9MB、可在 CPU 離線執行的多語語音辨識模型,主打手機、穿戴與嵌入式裝置

中文摘要

官方稱支援英、德、法、西、義、荷、波蘭語、最長 30 秒單次辨識,並提供逐字時間戳與語音嵌入,語言以 token 形式輸出。官方基準稱在 M4 Pro 上首 token 延遲與解碼速度優於 Whisper base,錯誤率在 LibriSpeech 等項目領先,但社群實測反映西班牙語口語辨識仍會出錯,判讀應以英文展示為主。

一龍馬判讀

對想做離線語音、智慧家居與機器人的開發者而言,體積小與無依賴部署是實務誘因,但多語品質與 30 秒上限仍需依應用語言實測驗證。

原文節錄

Hacker News · gmays

runs on the CPU with no dependencies

取得全文 · 不代表內容已獨立查證

查看原文 閱讀社群討論
完整收錄文字與來源

Whistle: Speech to Text in 16.9 MB

收錄日期
2026-10-09
來源
Hacker News Firebase API
抓取時間
2026/10/09 05:40(台北)
來源資料
365 分 · 88 則討論