/ 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-2512-8bit

Распознавание речиАудио → текст6 профессий

Многоязычная 8-битная MLX-модель для распознавания речи, потоковой транскрипции и перевода речи на английский.

113скачиваний за 30 дней1лайквеса 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-2512-8bit — конвертированная в формат MLX 8-битная версия многоязычной модели распознавания речи Fun-ASR-Nano-2512 от FunAudioLLM. Репозиторий подготовлен mlx-community с помощью mlx-audio-plus версии 0.1.4; метаданные указывают семейство FunASR и плотную архитектуру. Модель принимает речь и преобразует её в текст, поддерживает более 13 языков, прямой перевод речи на английский и подсказки с предметным контекстом.

В README также описан потоковый вывод, а базовая модель предназначена для распознавания диалектов, акцентов и речи на фоне музыки. Лицензия в предоставленных данных не указана.

Сценарии применения

  • транскрибация многоязычных аудиозаписей
  • потоковое распознавание речи в реальном времени
  • перевод речи на английский текст
  • распознавание речи с подсказками о предметной области

Ограничения

README не приводит полный перечень поддерживаемых языков и отсылает к карточке исходной модели. Модель поставляется в формате MLX; применимость вне совместимой среды MLX не подтверждена.

Для каких профессий подходит6

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-2512-8bit

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-2512-8bit")

# 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
f54d931

0 моделей