Whistle：16.9 MB 的端上语音转文字模型
来源：cactuscompute.com — 2026-10-02
📋 概述
Cactus 发布 Whistle，一个 16.9 MB 的开源语音识别模型，可在 CPU 上无依赖运行，支持英语、德语、法语、西班牙语、意大利语、荷兰语与波兰语。它复用 Needle 的 C++ 引擎，能给出词级时间戳与语音嵌入，首次出词仅需约 11 毫秒。
🔑 核心要点
- 单文件 16.9 MB，纯 CPU 运行、无依赖，加载进与 Needle 相同的引擎。
- 首次出词 11.1 毫秒，解码 1319 tokens/s，均显著优于 Whisper base 与 Moonshine。
- 支持七种语言，提供词级时间戳、语音嵌入与关键词偏置。
- 可让一个二进制直接把音频转成工具调用，无需调用方处理转录。
💡 金句
一个 16.9 MB 的文件，直接在设备上把语音转成文字。
👍 0
👎 0
← 返回 Hacker News 首页