跳到正文
arXiv · AI· Hemanth HM·· 9 天前AI 评分45

Swanada:跨十二种文字的端侧 Conformer CTC 语音识别,存储低于 30 MB

Swanada: Split-Encoder Capability-Routed Conformer CTC and Sub-30 MB On-Device Speech Recognition Across Twelve Scripts

AI 导读

Swanada 开源 16 kHz 流式 ASR 系统,共享 INT8 Conformer 编码器配合 12 个热插拔线性 CTC 头,移动端存储降至 25.85 MB。 Studio 级 17 层模型 WER 5.43%,Mobile 级 14 层模型 WER 18.56%;TTFT 中位 30.6 ms。 覆盖古典梵文及十种印度语言,消除云端延迟与音频保留成本。

来源:arXiv · AI · arxiv.org