创建

登录 ReadmeX

或

了解我们如何处理你的信息: 隐私政策

ReadmeX

陪你读懂 AI 动态

今天,想先了解什么?

选一份动态总结,或直接聊聊你的问题。

社区和关注动态总结只属于你自己。

资讯

开发者发布 Alkove:7.5 MB 端侧语音前端

AI 总结

一名开发者发布早期预览版 Alkove,这是一个面向本地语音助手的语音前端,由五个端侧小模型组成,合计约 7.5 MB,代码与权重以 Apache-2.0 许可开放。其中 Lex 把输入的词转成可能的发音,Spot 支持七种语言监听这些发音,Timbre 生成声纹,Focus 只保留用户本人的声音,Cue 每 30 毫秒检测一次语音。这些模型运行在自研的 Rust 推理引擎上,可编译为 WebAssembly,并为 Python 与 Android 提供原生版本,同时提供 npm、pip、Android Kotlin 包以及 LiveKit Agents 和 Pipecat 插件。作者称在 AMI 耳机麦克风会议上,启用 Focus 加声纹后,他人语音进入转写的词数从约每分钟 17 个降至 0.5 个;Spot 在每小时一次误报下对键入英文词的召回率为 67%,法语 90%、葡萄牙语 85%,这些数字均为自报,未经独立验证。

深度见解

作者表示,做这层音频前端的起因是旁人说话进入转写并误触发打断,而降噪器无法解决,因为其他人的声音同样属于语音。

#Alkove#Lex#Spot#Timbre#Focus#Cue#Rust#WebAssembly#LiveKit Agents#Pipecat

原文约 3 分钟读完阅读原文
群聊

还没有评论,来说说你的看法。