/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
X-ASR-zh-en
Библиотека
openasr
Опубликована
9 июн 2026

xasr-zh-en

Распознавание речиАудио → текст5 профессий

X-ASR-zh-en — двуязычная модель автоматического распознавания речи, разработанная GilgameshWind и упакованная проектом OpenASR для нативного выполнения в runtime OpenASR.

1 103скачиваний за 30 дней2лайкавеса обновлены5 июл 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

Она предназначена для преобразования китайской и английской речи в текст, включая речь с переключением между языками, потоковые субтитры с низкой задержкой, диктовку на устройствах и офлайн-транскрибацию аудиофайлов.

Модель построена по рецепту icefall/k2 как кэш-ориентированный Zipformer2 RNN-T трансдьюсер: 6-стековый 19-слойный encoder Zipformer2, stateless RNN-T decoder и tanh joiner с BPE-словарём на 5000 токенов. Размер модели составляет около 0,16 млрд параметров. Доступны варианты fp16, q8_0 и q4_k размером примерно от 112 до 315 МБ; q8_0 рекомендован как компромисс между качеством и занимаемой памятью. Модель оптимизирована для CPU и GPU, поддерживает потоковую и офлайн-обработку, а инференс выполняется без Python.

К сильным сторонам относятся компактность, низкое потребление памяти, локальная обработка, поддержка китайского и английского языков и пригодность для устройств с ограниченными ресурсами. README не содержит абсолютных показателей точности, поэтому качество распознавания в различных условиях оценить нельзя; приведённое сравнение квантованных вариантов отражает только отклонение от транскрипта fp16 на одном тестовом фрагменте. Пакеты распространяются по лицензии Apache-2.0, унаследованной от исходной модели.

Для каких профессий подходит5

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

X-ASR zh-en · OpenASR

Bilingual Chinese + English streaming speech recognition — a compact icefall Zipformer2 transducer

License Format Runtime Base model

Native speech-to-text in the OpenASR runtime — engineered for peak performance on CPU & GPU, no Python at inference time.


✨ Highlights

  • 🇨🇳🇬🇧 Chinese + English — one bilingual checkpoint for zh/en speech, including code-switched audio
  • ⚡ Streaming-first, offline-capable — a cache-aware streaming Zipformer2 transducer for low-latency captions that also runs full-file offline transcription
  • 🪶 Compact ~0.16B — a 6-stack Zipformer2 encoder + stateless RNN-T decoder + tanh joiner over a 5000-token BPE vocab, light enough for on-device CPU
  • 🦀 Native in OpenASR — .oasr packs run with no Python at inference, engineered for peak performance on CPU & GPU

🚀 Quickstart

# 1. Install the OpenASR CLI  ·  https://openasr.org
# 2. Pull a build (pick a quant — see the table below)
openasr pull xasr-zh-en:q8

# 3. Transcribe
openasr transcribe audio.wav --model xasr-zh-en

All builds for this model:

openasr pull xasr-zh-en:fp16
openasr pull xasr-zh-en:q8
openasr pull xasr-zh-en:q4

📦 Available builds

QuantFile (.oasr)SizeRAM peakRTF · M1 CPURTF · M1 GPUJFK ΔWER vs fp16
fp16xasr-zh-en-fp16.oasr315 MB824 MB0.07×0.12×0.0%
q8_0xasr-zh-en-q8_0.oasr176 MB549 MB0.06×0.12×0.0%
q4_kxasr-zh-en-q4_k.oasr112 MB423 MB0.06×0.12×0.0%

RTF = real-time factor on the fixed 11s JFK clip (lower is faster); RAM peak measured per pack in an isolated subprocess. JFK ΔWER compares each quantized build's JFK transcript to this model's fp16 JFK transcript, so it measures quantization drift rather than absolute recognition accuracy. q8_0 is the recommended default — near-reference quality at a fraction of the footprint.

🧠 About X-ASR zh-en

X-ASR-zh-en is a compact bilingual (Chinese + English) streaming speech-recognition model from GilgameshWind, built with the icefall / k2 recipe as a cache-aware Zipformer2 RNN-T transducer (a 6-stack, 19-layer Zipformer2 encoder, a stateless RNN-T decoder, and a tanh joiner over a 5000-token BPE vocabulary, ~0.16B parameters). The same checkpoint serves both low-latency streaming captions and full-file offline transcription, making it a good fit for on-device Chinese/English dictation and real-time subtitles. This OpenASR repo repackages the weights as .oasr packs that run natively in the OpenASR runtime — no Python at inference time, all decoding local. The q8_0 build is the recommended default (it matched the fp16 transcript bit-for-bit in OpenASR's verification); q4_k is the smallest build for tight-memory devices and fp16 is for maximum fidelity or verification.

⚙️ How these packs were made

Converted from GilgameshWind/X-ASR-zh-en with the OpenASR importer:

openasr model-pack import xasr-zipformer <src> <out>.oasr \
  --package-id xasr-zh-en --quantization {fp16,q8-0,q4-k}

The .oasr container is GGUF-backed; packs use zero-copy mmap weight binding and graph buffer reuse to keep peak memory low.

⚖️ License

These packs inherit the upstream model's license: Apache-2.0 (source). OpenASR packaging retains the upstream copyright and NOTICE; the only modifications are format conversion and quantization.

🙏 Acknowledgements

This pack is a redistribution of X-ASR-zh-en, created and open-sourced by GilgameshWind (GilgameshWind/X-ASR-zh-en). All credit for the original architecture, training, and weights belongs to the author; the license is inherited from and identical to the upstream model (Apache-2.0). The model is built on the icefall / k2 / Next-gen Kaldi Zipformer2 transducer recipe — thank you to the icefall team and to GilgameshWind for releasing their work openly. OpenASR only performs format conversion, quantization, runtime verification, and local-inference adaptation.

🔗 Links

Как запустить

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

GPU в ailist

Универсальный рантайм · openasr

Нельзя запустить

Библиотека «openasr» рантаймом не поддерживается.

Ревизия весов
68aab6c

0 моделей