看到体积那一下我以为看错了。识别加合成，加起来不到500kb。
现在动不动就是几个G的模型，突然冒出来个这么小的，第一反应是效果肯定不行吧。但换个角度想，它本来也不是来跟大模型比的——单片机、老设备、离线场景，这些地方要的从来不是最好，是能跑。
而且小有小的好处：不联网，不上传，延迟极低，成本几乎为零。多少语音场景其实压根不需要它多聪明，就是把话变成字而已。
感觉这两年大家一门心思往上堆参数，反而把往下压这条路空出来了。
往下压这条路确实没啥人走
哦~是吗 500kb 识别率能看吗
@leng_yy 简单指令词场景够用了 别指望它听懂长句
大佬轻喷 这个能离线跑在手机上吗
要的从来不是最好 是能跑 这句在理
能干活就行 我就要个把话变成字
必须冲 手上正好有个板子
嵌入式这边等这玩意儿等好久了