asr-bench — una prova alla volta

Cosa stai facendo: 1. scrivi la frase e scegli il modello · 2. premi Attiva, poi Live ON e parla · 3. leggi WER/CER in sessione e confronta i modelli.

Stato modelli
ModelloStatoUso
Granite● pronto
caricato in 4.2s		selezionato
Qwen3● pronto
caricato in 12.7s		—
Whisper● pronto
caricato in 4.0s		—
Nemotron● pronto
caricato in 5.6s		—

1) Frase e modello
Modello

Nessun modello attivo.

Dettagli e KPI

Granite Speech 5.0 470M TurboCTC · scheda Hugging Face

Licenza: Apache 2.0 | Parametri: 470M | Dimensione: ~1GB Lingue: en fr de es pt it ja Streaming: Pseudo-streaming — Batch CTC. Live: accumulo chunk e trascrizione ogni 2s. Caratteristiche: CTC, punteggiatura nativa, veloce

Come streamma
RE-TX OGNI 2s
Clicca uno step per il dettaglio ingegneristico.
1. MicChiudi ✕
  • gr.Audio(streaming, stream_every=1.0) → tupla (sr, np.ndarray)
  • to_mono_16k(): mono float32 a 16 kHz
  • VAD chunk_is_speech(): RMS > 0.02, scala auto int16
2. BufferChiudi ✕
  • lista st["samples"], accoda ogni chunk
  • tetto 30 s (max_keep), poi finestra scorrevole
  • cursore last_len: cosa è già stato trascritto
3. Ogni 2sChiudi ✕
  • scatta con 2 s di audio nuovo e 1.5 s dall'ultimo giro
  • run_transcribe() su tutto il buffer, normalizzato a picco 0.95
  • costo O(n²): più parli, più ogni giro costa
4. CTC greedyChiudi ✕
  • AutoProcessor → input_features
  • AutoModelForCTC(**inputs).logits forma [1,T,vocab]
  • argmax(dim=-1) frame per frame, poi batch_decode(). Niente generate
5. TestoChiudi ✕
  • last_text mostrato live, riscritto a ogni giro
  • revs conta le riscritture
  • t_first: prima emissione; latenza dal primo suono
↻ Il buffer intero viene ritrascritto a ogni giro: costo O(n²), parziali riscritti.

2) Prova

Live

3) Sessione

Prove · Lat dal primo suono

Nessuna prova in sessione.