Характеристики

Контекст: 1 024 токена
Лицензия: Apache 2.0
Базовая модель: Breeze-ASR-26
Библиотека: ctranslate2
Опубликована: 17 июл 2026

Ссылки

Breeze-ASR-26-ct2

Распознавание речиАудио → текст

Квантованная INT8-версия Breeze-ASR-26 для быстрого распознавания мандаринской речи и передачи смысла тайваньского хоккиена на мандаринском языке.

25скачиваний за 30 дней0лайковвеса обновлены17 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

Breeze-ASR-26-ct2 — вариант модели MediaTek-Research/Breeze-ASR-26, подготовленный командой weemed для CTranslate2 и faster-whisper с квантизацией INT8. Это модель автоматического распознавания речи на базе Whisper large-v2, предназначенная для серверов, систем с 8 ГБ памяти и более, а также GPU. Она принимает аудио и возвращает текст; распознаёт тайваньский хоккиен (Taigi), передавая его смысл китайскими иероглифами в мандаринском варианте, и обрабатывает речь на мандаринском китайском.

По данным README, на CPU с четырьмя потоками скорость обработки составляет около 0,21 RTF, а размер в памяти — около 2,9 ГБ; для INT8 указана CER 4,69%. Лицензия — Apache-2.0. Для дословной записи хоккиена эта версия не подходит: она передаёт его смысл на мандаринском, а не записывает исходные слова иероглифами Taigi.

Сценарии применения

распознавание мандаринской речи на сервере или GPU
транскрибация записей встреч с несколькими участниками
распознавание тайваньского хоккиена с выводом смысла на мандаринском
локальная транскрибация аудио на системах с 8 ГБ памяти и более

Ограничения

Хоккиен передаётся по смыслу китайскими иероглифами в мандаринском варианте, а не записывается дословно исходными словами или иероглифами Taigi. README приводит CER 4,69% для INT8 и указывает ориентировочное потребление памяти около 2,9 ГБ.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Breeze-ASR-26 — CTranslate2 / faster-whisper (INT8)

The fastest edge build: RTF 0.21 on CPU, real-time with headroom. Use this on servers, 8 GB+ hosts, or GPU. For 4 GB hosts or desktop apps use the GGML repo; for mobile/WASM use ONNX.

Part of the Breeze-ASR-26 edge family — the same MediaTek model in every runtime, pick by your constraint:

Repo Runtime RSS RTF (CPU 4-thread) Best for
Breeze-ASR-26-ct2 CTranslate2 / faster-whisper ~2.9 GB 0.21 servers, 8 GB+ hosts, GPU
Breeze-ASR-26-GGML whisper.cpp / MacWhisper 1.85 GB 0.40 4 GB hosts, desktop apps
Breeze-ASR-26-ONNX sherpa-onnx / onnxruntime — 1.3 Android / iOS / WASM

All Apache-2.0, derived from MediaTek-Research/Breeze-ASR-26. Measured on real multi-speaker Mandarin meeting audio. Mandarin does not regress; Taigi is transcribed as Mandarin meaning (not verbatim Taigi characters).

Repo	Runtime	RSS	RTF (CPU 4-thread)	Best for
Breeze-ASR-26-ct2	CTranslate2 / faster-whisper	~2.9 GB	0.21	servers, 8 GB+ hosts, GPU
Breeze-ASR-26-GGML	whisper.cpp / MacWhisper	1.85 GB	0.40	4 GB hosts, desktop apps
Breeze-ASR-26-ONNX	sherpa-onnx / onnxruntime	—	1.3	Android / iOS / WASM

Usage

from faster_whisper import WhisperModel
m = WhisperModel("weemed/Breeze-ASR-26-ct2", device="cpu", compute_type="int8", cpu_threads=4)
segments, _ = m.transcribe("meeting.wav", language="zh", beam_size=1)
print("".join(s.text for s in segments))

INT8 vs FP32: CER 4.69% (function-word/segmentation jitter only), 2.4x faster, quarter the size.

Как запустить

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

GPU в ailist

Универсальный рантайм · ctranslate2

Нельзя запустить

Модели CTranslate2 требуют отдельного рантайма.

Ревизия весов: b68b37a