WhissleAI开源流式语音模型Arc-Transcriber

WhissleAI 发布并开源约 70MB 的流式语音模型 Arc-Transcriber，将语音识别、实体识别与链接及大语言模型处理等传统多步流程合并为单模型一步完成，模型每 100 毫秒输出转录及 200 多个决策头结果。 该模型包含采用 Moonshot 预训练编码器的 Arc mini 和采用 Parakeet 编码器的 Arc-v1 两个变体，权重与命令行工具均已开源。目前它已在 WhissleAI 的 Mac 应用中端侧运行，可在用户说话时搜索 6.1 万本书，并同步进行名单实体匹配、数字与说话人角色识别、声音事件判断及事实核对。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。