Whistle packt Spracherkennung in 16,9 MB — schlägt Whisper Base auf 4 von 7 Benchmarks, läuft ohne Abhängigkeiten auf CPU — Cactus Compute hat Whistle veröffentlicht: ein Single-File-Speech-Recognition-Modell mit 16,9 MB, das auf KPU ohne externe Bibliotheken in derselben C++-Engine wie das Needle-Automation-Modell läuft — 16-kHz-Mono bis 30 Sekunden in sieben Sprachen (u.a. Deutsch), 11,1 ms Time-to-First-Token und 1.319 Tokens/s Decode. Es schlägt das 145,3-MB-Whisper-Base auf LibriSpeech test-clean/test-other, SPGISpeech, Earnings-22 und FLEURS — verliert nur auf TED-LIUM, AMI und MLS. Quelle · 🗃 Wayback Machine (Archiv)
ℹ️ KI-Hinweis
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von cactuscompute.com. Es erfolgte keine manuelle redaktionelle Bearbeitung.
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von cactuscompute.com. Es erfolgte keine manuelle redaktionelle Bearbeitung.
