Характеристики

Лицензия: Apache 2.0
Библиотека: gguf
Опубликована: 20 июн 2026

Ссылки

Hugging Face

SenseVoiceSmall-GGUF

FunAudioLLM

Распознавание речиАудио → текст8 профессий

SenseVoiceSmall-GGUF — это GGUF-сборка модели SenseVoiceSmall, разработанной командой FunAudioLLM.

4 427скачиваний за 30 дней16лайковвеса обновлены21 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

Модель предназначена для автоматического распознавания речи и запускается через CPU-ориентированный runtime FunASR llama.cpp без необходимости использовать Python или собирать программное обеспечение самостоятельно. Она рассчитана на локальное применение на компьютерах и edge-устройствах, включая обработку аудиофайлов и длинных записей с использованием VAD-модуля.

В основе модели лежит архитектура SAN-M encoder с CTC-декодированием. Она поддерживает китайский и английский языки, а также может добавлять к результату теги языка, эмоций и звуковых событий. Доступны варианты весов в форматах F16 размером около 470 МБ, Q8 размером около 235 МБ и F32 размером около 936 МБ; для Q8 заявлена точность, сопоставимая с F16. На CPU с восемью потоками модель достигает примерно 8,01% CER на указанном Mandarin-бенчмарке и работает примерно в 20 раз быстрее реального времени по данным README.

К сильным сторонам относятся высокая скорость на CPU, автономный запуск, отсутствие обязательной зависимости от Python и поддержка дополнительных языковых, эмоциональных и событийных тегов. Ограничения включают заявленную поддержку только китайского и английского языков, необходимость отдельного VAD-модуля для длинного аудио и привязку к FunASR llama.cpp runtime. Модель распространяется по лицензии Apache-2.0.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SenseVoiceSmall · GGUF (FunASR llama.cpp runtime)

GGUF build of SenseVoiceSmall (SAN-M encoder + CTC) for the zero-Python, CPU/edge FunASR llama.cpp runtime — multilingual ASR with language / emotion / event tags, ~20× real-time on CPU.

Get it running (no Python, no build)

These are GGUF weights for the FunASR llama.cpp runtime — a whisper.cpp-style, single self-contained binary for CPU / edge. Grab a prebuilt binary, then fetch this model and run:

Prebuilt binaries (Linux / macOS / Windows) → GitHub Releases (tag runtime-llamacpp-v*)
One-page quickstart & benchmarks → funasr.com/llama-cpp

bash download-funasr-model.sh sensevoice ./gguf
llama-funasr-sensevoice -m ./gguf/sensevoice-small-q8.gguf --vad ./gguf/fsmn-vad.gguf -a audio.wav
# → 欢迎大家来体验达摩院推出的语音识别模型

Files

file	size	notes
`sensevoice-small-f16.gguf`	470 MB	recommended (f16 matmul weights)
`sensevoice-small-q8.gguf`	~235 MB	recommended — half of f16, same accuracy
`sensevoice-small.gguf`	936 MB	f32 reference

Usage

The binary prints transcription text directly (no Python detok). --ids for raw ids / --keep-tags for the lang/emotion tags.

# 1. get the VAD too (for long audio): huggingface-cli download FunAudioLLM/fsmn-vad-GGUF
llama-funasr-sensevoice -m sensevoice-small-f16.gguf -a audio.wav --vad fsmn-vad.gguf

On CPU (8 threads) this reaches 8.01 % CER on the 184-clip Mandarin benchmark — vs whisper.cpp 22–31 %. See the benchmark.

Как запустить

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

GPU в ailist

Универсальный рантайм · gguf

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов: 90c1c61