Desert Ant Labs 釋出了 Voz 模型以進行本地語音辨識

Desert Ant Labs 公司推出了 Voz ，這是一款專門為 Apple 設備設計的語音識別模型，完全利用 Apple Neural Engine 的資源，確保數據處理的隱私性，不需要存取雲端伺服器。

該模型支持 25 種語言 的轉錄，並提供單詞級別的時間標籤。根據測試結果，語音識別錯誤率（WER）的平均值為 7.40% 。在處理長音頻檔時，準確度會提高，WER 降低到 2.83% 。

架構已經針對 Apple 生態系統進行優化，允許在不對中央處理器造成重大負擔的情況下將語音識別功能集成到原生應用程序中。該模型可在 Hugging Face 平台上下載，開發人員可以在此查看權重和文檔，以便在自己的項目中實施。

Voz 的發布擴大了 macOS 和 iOS 開發人員的本地音頻處理能力。使用 Neural Engine 的硬體加速可以降低實時轉錄任務的能耗，這對於行動設備和筆記本電腦至關重要。