佬们，有没有好用的ASR模型推荐

开发调优
1

最近在本都部署一个类似语音助手的小玩意，用的faster whisper，其他的一些 STT也都尝试了，但是效果很一般，识别的都不是很准。所以想问问佬，有没有更合适的推荐一下。

12 个赞
2

前一阵很火的kokoro或者CosyVoice 2.0

2 个赞
3

你看错了
是STT不是TTS :rofl:

2 个赞
4

佬说的STT指的是从声音识别出文本吧？一般叫ASR不叫STT

2 个赞
5

是的 :joy:
TTS用的比较多
一般语音识别的工作C端很少做，都是B端做的

1 个赞
6

whisper都满足不了吗？？我还真没见过比他更好的ASR了

1 个赞
7

一般用769MB大小的medium就足矣了，C端恐怕得自己写了

搜到2个python写的

1 个赞
8

我用的funasr还行，用gpu很快。cpu也就是能跑的水平，n300要响应个4、5秒

1 个赞
9

那试试这个

2 个赞
10

感谢大佬 :clap:

1 个赞
11

不客气，也可以参考下open-webui里用的fast-whisper

能被包进open-webui里的api应该不会太low的

1 个赞
12

如果是中文的话可以试试fast whisper结合Belle-whisper-large-v3-zh-punct-ct2模型

2 个赞
13

语音助手我觉得还是需要识别的速度+语音唤醒，把结果再过一遍大模型纠错一下，补充个字典，这样你就算放在开发版上也能跑，目前我见到的最快的语音识别模型只有copilot语音，没有之一，但是模型不是开源，需要逆向vscode插件的代码

1 个赞
14

有人试过SenseVoice吗？看到有人做了对应的流式语音适配，而且说推理延时很低