/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
505 млн
Лицензия
Apache 2.0
Архитектура
arkasr · dense
Библиотека
transformers
Опубликована
18 июн 2026

ark-asr-0.6b-int8-onnx

Генерация текстаТекст → текст8 профессий

ARK-ASR-0.6B INT8 ONNX — компактный пакет для локального распознавания речи на 19 языках с запуском через ONNX Runtime.

54скачиваний за 30 дней25лайковвеса обновлены28 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

ARK-ASR-0.6B INT8 ONNX — пакет для локального распознавания речи, подготовленный разработчиками ARK-ASR на основе модели AutoArk-AI/ARK-ASR-0.6B. Он предназначен для запуска ASR через ONNX Runtime на локальных компьютерах и периферийных устройствах, когда важен компактный формат инференса. Модель имеет плотную архитектуру ArkasrForConditionalGeneration, содержит около 504,7 млн параметров и использует 32 768 токенов контекста.

Пакет включает INT8 ONNX-компоненты декодера, аудиоэнкодера и аудиоадаптера, а также FP32-эмбеддинги и необходимые файлы токенизатора и процессора. Входное аудио обрабатывается с частотой 16 кГц; модель распознаёт китайскую, английскую, немецкую, японскую, французскую, корейскую, испанскую, польскую, итальянскую, румынскую, венгерскую, чешскую, нидерландскую, финскую, хорватскую, словацкую, словенскую, эстонскую и литовскую речь и выдаёт текст. Квантованный ONNX-пакет рассчитан на компактный локальный инференс; лицензия — Apache-2.0.

Сценарии применения

  • транскрибация китайской речи
  • распознавание английской речи на локальном устройстве
  • перевод аудиозаписей на немецком, японском или французском в текст
  • транскрибация испанских, польских и итальянских записей
  • распознавание речи на периферийных устройствах без загрузки полного Transformers-чекпойнта

Ограничения

Модель рассчитана на аудио с частотой дискретизации 16 кГц; README не сообщает о точности на отдельных языках или условиях записи.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ARK-ASR-0.6B INT8 ONNX

GitHub arXiv License

Overview

ARK-ASR-0.6B INT8 ONNX is the ONNX Runtime package for the 0.6B ARK-ASR automatic speech recognition model. It is intended for local and edge-device ASR inference when a compact ONNX pipeline is preferred over loading the full Transformers checkpoint.

ARK-ASR is trained with the teacher-data adaptation plus online policy distillation recipe from AutoArk/open-audio-opd. The full 0.6B Transformers checkpoint is available as AutoArk-AI/ARK-ASR-0.6B.

Supported Languages

Chinese, English, German, Japanese, French, Korean, Spanish, Polish, Italian, Romanian, Hungarian, Czech, Dutch, Finnish, Croatian, Slovak, Slovene, Estonian, and Lithuanian.

Package Contents

This repository contains a self-contained INT8 ONNX inference package:

.
├── infer_ark_audio_onnx.py
├── README_INT8_ASR_USAGE.md
├── llm_kv_cpu_fp32_int8.onnx
├── llm_kv_cpu_fp32_int8.json
├── llm_kv_fp32_qwen_native.json
├── audio_encoder_whisper_int8.onnx
├── audio_encoder_adapter_int8.onnx
├── embedding_fp32.onnx
├── embedding_fp32.data
├── runtime_manifest.json
└── tokenizer, processor, and model configuration files

The package includes:

  • INT8 ONNX files for the decoder, audio encoder, and audio adapter
  • FP32 token embedding ONNX assets
  • tokenizer, processor, and runtime configuration files
  • a standalone ASR inference script, infer_ark_audio_onnx.py

Installation

Python 3.10 or 3.11 is recommended.

pip install onnxruntime torch transformers librosa soundfile numpy

For GPU inference, install the onnxruntime-gpu build that matches your CUDA environment.

Quick Start

Download or clone this repository, then run inference from the repository root:

python infer_ark_audio_onnx.py \
  --audio /path/to/audio.wav \
  --max-new-tokens 128

You can also run the script from another directory by passing --runtime-root:

python /path/to/ark-asr-0.6b-int8-onnx/infer_ark_audio_onnx.py \
  --runtime-root /path/to/ark-asr-0.6b-int8-onnx \
  --audio /path/to/audio.wav \
  --max-new-tokens 128

The script prints one transcription line.

Python Usage

from pathlib import Path

from infer_ark_audio_onnx import ArkAsrOnnxRuntime

runtime = ArkAsrOnnxRuntime(Path("/path/to/ark-asr-0.6b-int8-onnx"))
text = runtime.transcribe(
    audio_path="/path/to/audio.wav",
    max_new_tokens=128,
    max_audio_seconds=30,
    precision="int8",
    asr_block_token_id_from=151670,
)
print(text)

Decoding Behavior

The inference script filters non-text control tokens by default while preserving the EOS token for normal generation stopping. The filter covers:

  • special tokens from tokenizer.all_special_ids, except eos_token_id
  • added vocabulary entries that look like control tokens
  • non-ASR text-range token IDs greater than or equal to 151670

See README_INT8_ASR_USAGE.md for the full local usage guide and decoding details.

Model Details

  • Task: automatic speech recognition
  • Format: INT8 ONNX Runtime package
  • Base model: ARK-ASR-0.6B
  • Sampling rate: 16 kHz
  • License: Apache-2.0
  • Training and evaluation code: AutoArk/open-audio-opd

Citation

@misc{lin2026dataefficientopd,
  title={Data-Efficient On-Policy Distillation for Automatic Speech Recognition},
  author={Lin, Yu and Wang, Yiming and Cai, Runyuan and Zeng, Xiaodong},
  year={2026},
  eprint={2605.28139},
  archivePrefix={arXiv},
  primaryClass={cs.AI},
  url={https://arxiv.org/abs/2605.28139}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Класс архитектуры
ArkasrForConditionalGeneration
Ревизия весов
ced3e6c

0 моделей