Models

Underdog Bark 3.0:仅 163 MB 的语音转文字模型

Why we picked it

163 MB 的语音转写模型,M 系列芯片上半秒转完 5 分钟音频,错字率还比 Whisper 低,Clean 版连“嗯啊”都帮你删了。

基于英伟达与 Moondream 开源的语音识别架构,Underdog Bark 3.0 被压缩到 163 MB。在苹果 M 系列芯片上转写 5 分钟音频只需约半秒,英文会议场景下的词错率低于 Whisper 等传统模型。其 Clean 版本可自动过滤“嗯”“啊”和口误重复,直接输出干净的文本。目前仅支持英文。

Original · Gorden Sun

Underdog Bark 3.0:仅163 MB的语音转文字模型

基于英伟达与 Moondream 开源的语音识别架构,模型体积被压缩到了 163 MB,转写速度极快,在苹果 M 系列芯片上转写 5 分钟音频仅需半秒。它不仅在英文会议场景下的错误率明显低于传统的 Whisper 等大模型,其特有的 Clean 版本还能在打字时自动过滤掉日常讲话中的“嗯”、“啊”、口误重复等废话,直接输出干净顺畅的最终文本。

可惜仅支持英文。

模型:https://t.co/h43fVDIGiN