Whistle: Speech to Text in 16.9 MB

摘要

Whistle 是一个开源语音识别模型，体积仅 16.9 MB，跑在与 Needle 相同的 CPU 推理引擎上，支持七种语言，首个 token 延迟 11 毫秒。由于可以和 Needle 一起加载，同一个二进制文件能把音频片段直接转成 tool calls，适合在本地或边缘设备上做轻量语音交互的开发者。

近 7 天热度