tiny-audio 开源语音转文字教学项目发布

alexkroman 发布开源语音转文字教学项目 tiny-audio，将冻结的预训练语音编码器通过小型可训练投影层接入预训练 LLM，只训练约 8000 万参数，整体训练成本约 25 美元。 repo 中发布的模型在 LibriSpeech test-clean 上达到 1.8% WER，在 12 个基准（合计 11,822 条样本）上的平均 WER 为 7.4%。权重为 bf16，运行需约 6GB GPU 或 Apple Silicon 显存。 项目附带 3.5 小时免费课程，讲解编码器、投影层与解码器的组合方式，并覆盖训练、与商用 API 对比评估及发布演示的完整流程；代码量小到可在一个下午读完，笔记本上约 5 分钟即可启动一轮训练。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。