Phonon-2: modelo de voz open source de 164 MB supera o Whisper da OpenAI
A Fermion Research lançou o Phonon-2, um modelo de reconhecimento de fala open-weight de apenas 164 megabytes, com licença CC-BY-4.0, baseado no parakeet-tdt-0.6b-v3 da Nvidia.
Segundo a página do modelo na Hugging Face, o Phonon-2 atinge 5,21% de taxa de erro de palavra nos sete testes do Open ASR Leaderboard, contra 6,58% do Whisper large-v3-turbo — que ocupa 1.618 megabytes, dez vezes mais espaço.
O modelo usa pesos de cerca de 2,1 bits, obtidos por destilação a partir de um "professor" de 2,5 gigabytes, e transcreve uma hora de áudio a 174 vezes a velocidade real num MacBook Air M5.
Fontes
- Hugging Face huggingface.co
Resumo editorial em português feito com apoio de inteligência artificial a partir das fontes indicadas. Como fazemos o Boletim IA.