Interfaze 釋出 diffusion-gemma-asr-small：基於 DiffusionGemma 並行去噪解碼器的開源擴散語音識別模型，支援六種語言

Interfaze 開源了 diffusion-gemma-asr-small，一個多語言語音識別模型，採用擴散解碼器而非自迴歸解碼器。該模型透過一個約 42M 引數的介面卡將音訊輸入到 Google 的凍結 DiffusionGemma 模型中，單個介面卡即可處理六種語言。轉錄成本由去噪步數決定，而非轉錄長度。在 LibriSpeech 測試集上詞錯誤率為 6.6%，領先其他擴散 ASR 模型。