/ Модель

Характеристики

Лицензия
CC BY 4.0
Архитектура
nemo-conformer-ctc · dense
Базовая модель
stt_en_quartznet15x5
Библиотека
onnx-asr
Опубликована
2 авг 2026

stt_en_quartznet15x5_onnx

Распознавание речиАудио → текст5 профессий

OpenVoiceOS/stt_en_quartznet15x5_onnx — англоязычная модель автоматического распознавания речи, подготовленная OpenVoiceOS как ONNX-экспорт исходной модели NVIDIA stt_en_quartznet15x5, обученной с использованием NVIDIA NeMo.

1 833скачиваний за 30 дней1лайквеса обновлены2 авг 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 преобразования английской речи в текст, включая офлайн-распознавание аудиофайлов и интеграцию в голосовые системы OpenVoiceOS. Исходный вариант использует архитектуру QuartzNet15x5 с символьным CTC-декодированием.

Модель содержит ONNX-граф в формате FP32 с энкодером и CTC-головой, словарь токенов и конфигурацию для onnx-asr. Используются 64 мел-фильтра, коэффициент прореживания 2 и входные 16 кГц PCM WAV-файлы. Для запуска требуется ONNX Runtime; PyTorch и NeMo не нужны. Экспорт проверен сравнением с исходной NeMo-моделью: на эталонном фрагменте получены идентичные транскрипции. Основные ограничения — отсутствие готового варианта int8 и необходимость поддержки препроцессора nemo64 в используемом runtime; для этого могут потребоваться форк onnx-asr или runtime backfill OpenVoiceOS. Данные о точности, обучающих корпусах и известных ограничениях перенесены в карточку исходной модели и здесь не приведены. Лицензия — CC BY 4.0.

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

stt_en_quartznet15x5_onnx

English speech-to-text model. ONNX export of stt_en_quartznet15x5 — an NVIDIA NeMo QuartzNet15x5 (char CTC) CTC model — for onnx-asr. Runs offline with ONNX Runtime; PyTorch and NeMo are not required.

Part of the OpenVoiceOS STT/ASR ONNX collection.

Files

FilePurpose
model.onnxEncoder + CTC head, fp32
vocab.txtToken vocabulary (<token> <id> per line, ▁ = space, <blk> = CTC blank)
config.jsononnx-asr metadata: model_type: nemo-conformer-ctc, features_size: 64, subsampling_factor: 2

There is no int8 variant: these architectures are convolution-dominated, and dynamic quantization produces ConvInteger nodes that ONNX Runtime cannot execute on CPU. int8 requires static QDQ quantization with calibration data.

Note: 64-mel NeMo models need onnx-asr with nemo64 preprocessor support — currently the TigreGotico fork or the runtime backfill in ovos-stt-plugin-onnx-asr — until it lands upstream.

Usage

With onnx-asr (pip install onnx-asr[cpu,hub]):

import onnx_asr

model = onnx_asr.load_model("OpenVoiceOS/stt_en_quartznet15x5_onnx")
print(model.recognize("speech.wav"))  # 16 kHz PCM wav

With OpenVoiceOS, through ovos-stt-plugin-onnx-asr (mycroft.conf):

{
  "stt": {
    "module": "ovos-stt-plugin-onnx-asr",
    "ovos-stt-plugin-onnx-asr": {
      "model": "OpenVoiceOS/stt_en_quartznet15x5_onnx"
    }
  }
}

Export and verification

Exported from the original checkpoint with NeMo's model.export() (see the conversion guide). The subsampling_factor was measured empirically on the exported graph, and the export was verified differentially: the ONNX model and the original NeMo checkpoint produce identical transcriptions on a reference clip.

Accuracy, training data and limitations

See the source model card for benchmark results, training corpora and known limitations. This repo changes the runtime, not the weights.

Related projects

Как запустить

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

GPU в ailist

Универсальный рантайм · onnx-asr

Нельзя запустить

Библиотека «onnx-asr» рантаймом не поддерживается.

Ревизия весов
7a98393

0 моделей