#Moondream

2:29オープンソース拡散指数 59

わずか163MBの音声認識「Bark 3.0」登場、5分の音声を0.5秒で文字起こし

今週、Underdogが音声認識モデル「Bark 3.0」をHugging Faceで公開した。サイズはわずか163MBながら、Apple Silicon上で5分の音声を半秒で処理できる。Whisper Largeを上回る精度を誇り、不要な相槌を自動除去するバージョンも用意されているが、現在は英語のみの対応となる。