Whistle，一个只有 16.9 MB 的语音转文字模型。 单文件，纯 CPU 跑，没有依赖，面向手机、穿戴设备、机器人、智能家居、车机和单片机。 一次能转 30 秒的 16kHz 单声道音频，支持英、德、法、西、意、荷、波兰 7 种语言，自动识别语种，首个 token 只要 11 ms。 除了转写，还能给出每个词的起止时间和概率，也能直接输出语音 embedding。 博客里有在线试玩，第一次点会下载这 16.9 MB 的模型，音频不出本机。 博客：https://cactus...
🌐 链接: https://x.com/Jolyne_AI/status/2109885860716155109
🏷️ 分组: X｜为你推荐
🕒 时间: 2026-10-13 13:56:03
🌐 链接: https://x.com/Jolyne_AI/status/2109885860716155109
🏷️ 分组: X｜为你推荐
🕒 时间: 2026-10-13 13:56:03
X (formerly Twitter)
小青 (@Jolyne_AI) on X
Whistle，一个只有 16.9 MB 的语音转文字模型。
单文件，纯 CPU 跑，没有依赖，面向手机、穿戴设备、机器人、智能家居、车机和单片机。
一次能转 30 秒的 16kHz 单声道音频，支持英、德、法、西、意、荷、波兰 7 种语言，自动识别语种，首个 token 只要 11 ms。
除了转写，还能给出每个词的起止时间和概率，也能直接输出语音 embedding。
博客里有…
单文件，纯 CPU 跑，没有依赖，面向手机、穿戴设备、机器人、智能家居、车机和单片机。
一次能转 30 秒的 16kHz 单声道音频，支持英、德、法、西、意、荷、波兰 7 种语言，自动识别语种，首个 token 只要 11 ms。
除了转写，还能给出每个词的起止时间和概率，也能直接输出语音 embedding。
博客里有…
