Swanada 用共享编码器加可插拔 CTC 头压缩多语种端侧 ASR
热点事件持续更新
Swanada 用共享编码器加可插拔 CTC 头压缩多语种端侧 ASR
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Hemanth HM 提交的论文提出开源流式语音识别系统 Swanada：16 kHz 输入，覆盖梵语、印度英语及十种印度语言共 12 种文字，可在浏览器 WebAssembly、NodeJS 和 Python 中运行。 其做法是让 12 种文字共用同一个 INT8 Conformer 编码器，并按能力路由到 12 个各 515.0 KiB 的可热插拔 CTC 头。论文称，这一设计把 12 语言的存储占用从 2.1 GiB 降至 183.4 MiB（Studio 档）和 31.39 MiB（Mobile 档）。 上述压缩幅度与端侧效果均为论文作者的说法，尚待独立验证。
AI 根据报道生成 · 53 分钟前更新
最新进展11月11日 13:00
Swanada：分离编码器能力路由 Conformer CTC，跨 12 种文字实现 30 MB 以下端侧语音识别报道时间线
沿着报道，了解事件的不同侧面。
11月11日
- arXiv cs.AISwanada：分离编码器能力路由 Conformer CTC，跨 12 种文字实现 30 MB 以下端侧语音识别
Swanada 是一个开源 16 kHz 流式 ASR 系统，覆盖梵语、印度英语及十种印度语言共 12 种文字，通过能力路由的共享 INT8 Conformer 编码器搭配 12 个 515.0 KiB 可热插拔 CTC 头，把 12 语言存储从 2.1 GiB 压到 183.4 MiB（Studio 档）和 31.39 MiB（Mobile 档）。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。