/ Модель

Характеристики

Контекст
131 072 токена
Архитектура
funasr · dense
Базовая модель
Fun-ASR-Nano-2512
Библиотека
mlx-audio-plus
Опубликована
16 дек 2025

Fun-ASR-Nano-2512-4bit

Распознавание речиАудио → текст5 профессий

Компактная многоязычная модель для потоковой транскрипции аудио и перевода речи в английский текст.

74скачиваний за 30 дней2лайкавеса обновлены16 дек 2025

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

Fun-ASR-Nano-2512-4bit — компактная многоязычная модель распознавания речи из сообщества mlx-community, преобразованная из FunAudioLLM/Fun-ASR-Nano-2512 в формат MLX с помощью mlx-audio-plus 0.1.4. Она принимает аудио и выдаёт текст, поддерживает потоковую транскрипцию, распознавание с подсказками и перевод речи в английский текст. В README заявлена поддержка более 13 языков; полный перечень приведён в карточке исходной модели.

Модель предназначена для запуска через библиотеку mlx-audio-plus. В метаданных указана лицензия? Она не предоставлена, поэтому условия использования определить нельзя.

Сценарии применения

  • потоковая транскрипция речи
  • перевод речи на английский текст
  • распознавание речи с предметными подсказками
  • распознавание многоязычной речи

Ограничения

Для использования требуется библиотека mlx-audio-plus; полный список поддерживаемых языков находится в карточке исходной модели. Метаданные и README не содержат сведений о лицензии.

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

mlx-community/Fun-ASR-Nano-2512-4bit

This model was converted to MLX format from FunAudioLLM/Fun-ASR-Nano-2512 using mlx-audio-plus version 0.1.4.

Features

FeatureDescription
MultilingualSupports 13+ languages
TranslationTranslate speech directly to English text
Custom promptingGuide recognition with domain-specific context
StreamingReal-time token-by-token output

Installation

pip install -U mlx-audio-plus

Usage

Basic Transcription

from mlx_audio.stt.models.funasr import Model

# Load the model
model = Model.from_pretrained("mlx-community/Fun-ASR-Nano-2512-4bit")

# Transcribe audio
result = model.generate("audio.wav")
print(result.text)
# Output: "The quick brown fox jumps over the lazy dog."

print(f"Duration: {result.duration:.2f}s")
print(f"Language: {result.language}")

Translation (Speech to English Text)

# Translate Chinese/Japanese/etc. audio to English
result = model.generate(
    "chinese_speech.wav",
    task="translate",
    target_language="en"
)
print(result.text)  # English translation

Custom Prompting

Provide context to improve recognition accuracy for specialized domains:

# Medical transcription
result = model.generate(
    "doctor_notes.wav",
    initial_prompt="Medical consultation discussing cardiac symptoms and treatment options."
)

# Technical content
result = model.generate(
    "tech_podcast.wav",
    initial_prompt="Discussion about machine learning, APIs, and software development."
)

Streaming Output

Get real-time output as the model generates:

# Print tokens as they're generated
result = model.generate("audio.wav", verbose=True)
# Tokens stream to stdout in real-time

# Or use the streaming generator
for chunk in model.generate("audio.wav", stream=True):
    print(chunk, end="", flush=True)

Supported Languages

See original model for the full list of supported languages.

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx-audio-plus

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов
2e4e29b

0 моделей