/ Модель

Характеристики

Размер весов
881 МБ
Лицензия
Apache 2.0
Библиотека
funasr
Опубликована
1 фев 2024

paraformer-zh

Распознавание речиАудио → текст8 профессий

Нерегрессионная модель FunASR для быстрого распознавания мандаринской речи, включая записи со смешением китайского и английского.

1 487скачиваний за 30 дней70лайковвеса обновлены19 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

Paraformer-zh — модель распознавания речи из экосистемы FunASR, разработанная командой FunASR. Это сквозная нерегрессионная ASR-модель с параллельной генерацией результата; в карточке указано 220 млн параметров. Модель предназначена прежде всего для распознавания мандаринского китайского языка, в том числе речи со смешением китайского и английского. Заявлена скорость до 120-кратного реального времени на GPU.

Модель принимает аудио и возвращает текст. Для длинных записей можно использовать встроенный VAD; потоковый и пакетный режимы, восстановление пунктуации и диаризация доступны в составе полного конвейера FunASR с дополнительными компонентами. Репозиторий содержит веса PyTorch, библиотека для работы — FunASR. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация речи на мандаринском китайском
  • распознавание китайской речи со вставками английских слов
  • быстрая расшифровка длинных аудиозаписей с VAD в конвейере FunASR

Ограничения

Заявленная скорость до 120-кратного реального времени относится к работе на GPU. Пунктуация, потоковая обработка, VAD и диаризация в полном конвейере используют дополнительные компоненты FunASR.

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

⭐ Powered by FunASR — please give us a GitHub Star!

This model is part of the FunASR ecosystem — one industrial-grade open-source toolkit for ASR · VAD · punctuation · speaker diarization · emotion / event · LLM-ASR. A Star really helps the project (and keeps you updated):

🌟 FunASR · 🌟 SenseVoice · 🌟 Fun-ASR · 🌟 FunClip

Paraformer-zh

Non-autoregressive end-to-end speech recognition — 120x realtime on GPU, production-ready for Mandarin Chinese.

Paraformer is a non-autoregressive (NAR) ASR model that generates the entire output in parallel, achieving significant speedups over autoregressive models like Whisper while maintaining competitive accuracy.

Quick Start

from funasr import AutoModel

# Basic recognition
model = AutoModel(model="funasr/paraformer-zh", hub="hf", device="cuda")
result = model.generate(input="audio.wav")
print(result[0]["text"])

Full Pipeline (VAD + ASR + Punctuation + Speaker Diarization)

from funasr import AutoModel

model = AutoModel(
    model="funasr/paraformer-zh",
    hub="hf",
    vad_model="funasr/fsmn-vad",
    punc_model="funasr/ct-punc",
    spk_model="funasr/campplus",
    device="cuda",
)

result = model.generate(input="meeting.wav")
# Output includes timestamps, punctuation, and speaker labels
for sentence in result[0]["sentence_info"]:
    print(f"[Speaker {sentence['spk']}] {sentence['text']}")

Features

  • 120x realtime on GPU (non-autoregressive parallel decoding)
  • Chinese + English mixed recognition
  • Built-in VAD (voice activity detection) for long audio
  • Punctuation restoration with ct-punc model
  • Speaker diarization with cam++ model
  • Streaming and offline modes
  • ONNX export supported

Model Details

PropertyValue
ArchitectureParaformer (Non-autoregressive)
Parameters220M
LanguagesChinese, English
Sample Rate16kHz
Training Data60,000+ hours

Related Models

ModelDescriptionLink
funasr/fsmn-vadVoice Activity DetectionHF
funasr/ct-puncPunctuation RestorationHF
funasr/campplusSpeaker VerificationHF
funasr/paraformer-zh-streamingStreaming versionHF

Links

Citation

@inproceedings{gao2022paraformer,
  title={Paraformer: Fast and Accurate Parallel Transformer for Non-autoregressive End-to-End Speech Recognition},
  author={Gao, Zhifu and Zhang, Shiliang and McLoughlin, Ian and Yan, Zhijie},
  booktitle={INTERSPEECH},
  year={2022}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · funasr

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
d7811ee

0 моделей