| | |
|---|
| | | - 用户主动下载后可切换。 |
|---|
| | | - Moonshine English 保留作为 fallback。 |
|---|
| | | |
|---|
| | | ### 8.5 X-ASR-zh-en（未来候选） |
|---|
| | | |
|---|
| | | 产品定位： |
|---|
| | | |
|---|
| | | - 未来候选的中文/英文低延迟流式模型。 |
|---|
| | | - 适合“边说边出字”、中英自由混输、长句口述、代码/写作实时输入等交互方向。 |
|---|
| | | - 不替代当前第一阶段四模型，不作为默认模型；先作为研究和原型验证项。 |
|---|
| | | |
|---|
| | | 相对现有模型的潜在用户价值： |
|---|
| | | |
|---|
| | | - 相对 SenseVoice：更明确面向中文/英文流式识别和低延迟部署，可能提升中英混输、长句、实时反馈体验。 |
|---|
| | | - 相对 Qwen3-ASR：质量指标整体低于 Qwen3-ASR 0.6B/1.7B，但模型规模更小、流式能力更强，可能成为“实时输入模式”的更合适选择。 |
|---|
| | | - 相对 Moonshine/Parakeet：覆盖中文和英文双语，能减少用户在中文/英文之间手动切换模型的频率。 |
|---|
| | | |
|---|
| | | 已知资料摘要： |
|---|
| | | |
|---|
| | | - 项目：`Gilgamesh-J/X-ASR` |
|---|
| | | - 模型：`X-ASR-zh-en` |
|---|
| | | - 架构：Zipformer transducer |
|---|
| | | - 运行时：sherpa-onnx |
|---|
| | | - 语言：Chinese + English |
|---|
| | | - 模式：offline decoding + true streaming decoding |
|---|
| | | - chunk 选项：160 ms、480 ms、960 ms、1920 ms |
|---|
| | | - License：Apache-2.0 |
|---|
| | | - 技术报告：Coming Soon |
|---|
| | | |
|---|
| | | 产品策略： |
|---|
| | | |
|---|
| | | - 不随 App 默认打包。 |
|---|
| | | - 不一次性带四个 chunk 变体；先选一个候选 chunk 做真机评估。 |
|---|
| | | - 初始评估优先 `480 ms` 或 `960 ms`：`480 ms` 偏实时反馈，`960 ms` 偏准确率和稳定性。是否采用 `160 ms` 或 `1920 ms` 由真机延迟/准确率测试决定。 |
|---|
| | | - 如果只服务当前“说完再上屏”模式，X-ASR 优先级低于 Qwen3-ASR；如果要做“实时边说边出字”，X-ASR 优先级升高。 |
|---|
| | | |
|---|
| | | 进入产品前必须验证： |
|---|
| | | |
|---|
| | | - Go 端是否能用现有 sherpa-onnx 绑定稳定加载 Zipformer transducer streaming 模型。 |
|---|
| | | - 是否需要新增 `OnlineRecognizer`/streaming engine，而不是复用当前离线 `Engine` 接口。 |
|---|
| | | - Apple Silicon 上 CPU 延迟、内存占用、发热和长时间运行稳定性。 |
|---|
| | | - 中英混输、中文标点、英文大小写、技术词和噪声场景的真机样本效果。 |
|---|
| | | - 模型文件体积、下载速度、断点续传和磁盘占用。 |
|---|
| | | - Apache-2.0 license、模型卡、训练数据说明和后续技术报告发布后的合规复核。 |
|---|
| | | |
|---|
| | | ## 9. 推荐用户流程 |
|---|
| | | |
|---|
| | | ### 9.1 中文用户首次使用 |
|---|
| | |
|---|
| | | - sherpa-onnx Qwen3-ASR: https://k2-fsa.github.io/sherpa/onnx/qwen3-asr/index.html |
|---|
| | | - sherpa-onnx Qwen3-ASR pretrained model: https://k2-fsa.github.io/sherpa/onnx/qwen3-asr/pretrained.html |
|---|
| | | - SenseVoice 2025-09-09 model files: https://huggingface.co/csukuangfj/sherpa-onnx-sense-voice-zh-en-ja-ko-yue-int8-2025-09-09/tree/main |
|---|
| | | - X-ASR GitHub project: https://github.com/Gilgamesh-J/X-ASR |
|---|
| | | - X-ASR-zh-en model artifacts: https://huggingface.co/GilgameshWind/X-ASR-zh-en |
|---|
