Tłumaczenie automatyczne · Oryginał angielski

Parakeet TDT - Android

Parakeet TDT v3 działa na Android, wbudowany Linux i Windows za pośrednictwem ONNX Runtime. Model jest podzielony na enkoder i pliki wspólne dekoderów, zarówno INT8 kwantyzowane, z chciwym dekoderem TDT obsługującym języki 114 oraz słownikiem 8192- token BPE.

Pliki modelu

Plik	Rozmiar
`parakeet-encoder-int8.onnx`	840 MB
`parakeet-decoder-joint-int8.onnx`	51 MB
`vocab.json`	& lt; 1 MB

HuggingFace: soniqo/Parakeet-TDT-v3-ONNX

Wydajność

Metric	Wartość
Języki	114
Ilościowanie	INT8
Dekoder	TDT chciwy
Czynnik czasu rzeczywistego	RTF 0.12 (~ 150 ms for 1.5 s audio)
Przyspieszenie sprzętowe	NNAPI (Android), QNN Hexagon DSP (Linux)

Kotlin (Android)

val modelDir = ModelManager.ensureModels(context)
val pipeline = SpeechPipeline(SpeechConfig(modelDir = modelDir))
pipeline.events.collect { event ->
    when (event) {
        is SpeechEvent.TranscriptionCompleted -> println(event.text)
        else -> {}
    }
}
pipeline.start()
pipeline.pushAudio(samples) // 16kHz mono float32

API (Linux)

speech_config_t cfg = speech_config_default();
cfg.model_dir = "/opt/models";
speech_pipeline_t p = speech_create(cfg, on_event, NULL);
speech_start(p);
speech_push_audio(p, samples, 512);

Kod źródła: github.com /soniqo/speech-android