一龍馬/AI 情報站讀懂消息背後的脈絡
星期六
搜尋

Cactus發表的Whistle是單一16.9MB語音辨識模型,主打CPU、無相依、可在裝置端完成30秒轉寫、詞級時間戳與語音嵌入,支援英德法西義荷波七語

中文摘要

官方宣稱在LibriSpeech、SPGISpeech等多項以Whisper正規化評分勝過145.3MB的Whisper base,M4 Pro上首token僅11.1毫秒,每秒解碼1319個token。HN實測回饋分歧,英文普遍肯定,西語與口音辨識則有人反映錯誤較多,僅為部分留言。

一龍馬判讀

對穿戴、機器人、智慧家庭等邊緣裝置開發者而言,體積與本機推論是實用誘因,但多語準確度與5-beam預設基準仍要以自己的語料複驗。

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
2026-10-10
來源
Hacker News Firebase API
抓取時間
2026/10/10 05:40(台北)
來源資料
911 分 · 176 則討論