TechnoBaptist/whistle

Model řeči na text pro mobilní telefony, nositelnou elektroniku, roboty, inteligentní domácnost, automobilový průmysl a mikrokontroléry. Celý model je jeden 16,9 MB soubor a běží na stejném CPU enginu jako Needle ↗, ze stejného kontejneru a stejné kvantizace, bez závislostí a bez GPU.

Předpojatost klíčových slov přebírá názvy, místa a produktová slova, která vaši uživatelé skutečně říkají, a upřednostňuje je během vyhledávání, takže ty, na kterých záleží, přežijí.

Píšťalka je přední část log-mel a konvoluční stonek, který přivádí zvukový enkodér, který čte dekodér ve tvaru jehly prostřednictvím křížové pozornosti v každé vrstvě. Znovu používá kontejner Needle '.cact, Cactus Quants, jádra SIMD a mezipaměť KV, takže zařízení, které již běží Needle, běží Whistle ve stejném binárním souboru bez druhého runtime. Dekodér je stupňovitý jako Needle's: každá hloubka od 2 vrstev nahoru je použitelný model, vybraný v době načítání pomocí --audio-depth`. Tento zástupce

Chybovost slov na plných testovacích splitech, skóre s normalizátory Whisper. Jejich autoři publikovali postavy Whisper a Moonshine.