AuroraASR-1M: Mô hình nhận diện giọng nói siêu nhẹ dung lượng 1MB

AuroraASR-1M vừa được phát hành dưới dạng mô hình nhận diện giọng nói tự động mã nguồn mở, siêu nhẹ với 949 nghìn tham số và kích thước chỉ 1,06 MB cho trọng số INT8. Mô hình này sử dụng kiến trúc Conformer-CTC chia sẻ trọng số để đạt tốc độ suy luận nhanh trên CPU thông thường. Bản phát hành này cung cấp một công cụ cực kỳ hiệu quả cho các thiết bị biên và ứng dụng AI chạy cục bộ, nơi tài nguyên bộ nhớ và tính toán bị hạn chế nghiêm ngặt. Việc chạy ở mức khoảng gấp 436 lần thời gian thực trên một luồng CPU đơn mở ra những khả năng mới cho nhận diện giọng nói nhúng và ngoại tuyến. Mô hình đạt tỷ lệ lỗi từ (WER) là 11,43% trên tập dữ liệu kiểm tra LibriSpeech test-clean bằng phương pháp giải mã tham lam (greedy decoding) mà không cần ngôn ngữ mô hình bên ngoài. Hơn nữa, mô hình được phân phối theo giấy phép Apache 2.0 cởi mở.