Downloads · 30 days
181
32% of all-time downloads
voconly-org/nemotron-3.5-asr-streaming-0.6b-gguf
nemotron-3.5-asr-streaming-0.6b-gguf is a automatic speech recognition model from voconly-org. Use it when you need speech turned into text. The card lists the license as openmdw-1.1.
NVIDIA 推出的轻量级流式多语言语音识别模型,支持32种语言,专为实时转录场景优化。
Downloads · 30 days
181
32% of all-time downloads
All-time downloads
571
Public
Repo size
3.7 GB
Likes
1
Public
Click a slice to open those files.
.gguf3.7 GB · 100%
From the Hugging Face model README
NVIDIA 推出的轻量级流式多语言语音识别模型,支持32种语言,专为实时转录场景优化。
NVIDIA Nemotron 3.5 ASR Streaming 是专为实时流式处理设计的多语言语音识别模型:
| 语言 | 代码 | 语言 | 代码 | 语言 | 代码 |
|---|---|---|---|---|---|
| 英语(美) | en-US | 英语(英) | en-GB | 中文 | zh-CN |
| 日语 | ja-JP | 韩语 | ko-KR | 阿拉伯语 | ar-AR |
| 德语 | de-DE | 法语(法) | fr-FR | 法语(加) | fr-CA |
| 西班牙语(美) | es-US | 西班牙语(西) | es-ES | 意大利语 | it-IT |
| 葡萄牙语(巴) | pt-BR | 葡萄牙语(葡) | pt-PT | 荷兰语 | nl-NL |
| 土耳其语 | tr-TR | 俄语 | ru-RU | 印地语 | hi-IN |
| 越南语 | vi-VN | 乌克兰语 | uk-UA | 波兰语 | pl-PL |
| 瑞典语 | sv-SE | 捷克语 | cs-CZ | 挪威语 | nb-NO |
| 丹麦语 | da-DK | 保加利亚语 | bg-BG | 芬兰语 | fi-FI |
| 克罗地亚语 | hr-HR | 斯洛伐克语 | sk-SK | 匈牙利语 | hu-HU |
| 罗马尼亚语 | ro-RO | 爱沙尼亚语 | et-EE | - | - |
| 文件名 | 量化类型 | 文件大小 | 说明 |
|---|---|---|---|
| nemotron-3.5-asr-streaming-0.6b-Q4_K_M.gguf | Q4_K_M | ~最小 | 推荐实时应用 |
| nemotron-3.5-asr-streaming-0.6b-Q5_K_M.gguf | Q5_K_M | ~小 | 平衡选择 |
| nemotron-3.5-asr-streaming-0.6b-Q6_K.gguf | Q6_K | ~中 | 更高精度 |
| nemotron-3.5-asr-streaming-0.6b-Q8_0.gguf | Q8_0 | ~中高 | 最高量化精度 |
注意:F16/F32 版本已排除,推荐使用量化版本以获得最佳流式性能。
from llama_cpp import Llama
import sounddevice as sd
import numpy as np
llm = Llama(
model_path="nemotron-3.5-asr-streaming-0.6b-Q4_K_M.gguf",
n_gpu_layers=-1,
)
# 实时录音转写
def callback(indata, frames, time, status):
# 流式处理音频
result = llm.transcribe_buffer(indata)
if result["text"]:
print(result["text"], end="", flush=True)
with sd.InputStream(callback=callback):
input("按 Enter 停止...")
./main -m nemotron-3.5-asr-streaming-0.6b-Q4_K_M.gguf -f audio.wav --output-txt
CC BY 4.0 License