Interfaze 发布 diffusion-gemma-asr-small：基于 DiffusionGemma 并行去噪解码器的开源扩散语音识别模型，支持六种语言
Interfaze 开源了 diffusion-gemma-asr-small，一个多语言语音识别模型，采用扩散解码器而非自回归解码器。该模型通过一个约 42M 参数的适配器将音频输入到 Google 的冻结 DiffusionGemma 模型中，单个适配器即可处理六种语言。转录成本由去噪步数决定，而非转录长度。在 LibriSpeech 测试集上词错误率为 6.6%，领先其他扩散 ASR 模型。
Interfaze 发布 diffusion-gemma-asr-small：基于 DiffusionGemma 并行去噪解码器的开源扩散语音识别模型，支持六种语言
本文仅提供摘要
根据来源内容权限，本站仅提供编辑摘要、要点和原文链接。