Voxtral Mini 4B 实时阿拉伯语模型
面向阿拉伯方言和现代标准阿拉伯语的流式语音转写模型。
为什么重要
为阿拉伯语实时字幕和语音接口提供可获取的流式 ASR 模型。
阅读原文huggingface.co
AI 解读（根据原文生成）
mistralai/Voxtral-Mini-4B-Realtime-Arabic 是一个面向阿拉伯方言和现代标准阿拉伯语的流式语音转文本模型，支持真实世界复杂音频和会话中的代码切换。它由 Voxtral-Mini-4B-Realtime-2602 微调而来，使用 16 kHz 音频、因果音频编码器和语言解码器，在音频到达时生成文本。模型可在 Hugging Face 获取，正文还说明可通过 vLLM 的实时接口或 Transformers 原生运行。
要点（AI 据原文整理，数字均已与原文核对）
- 该模型面向 Arabic dialects and Modern Standard Arabic。
- 模型使用 BF16 precision 的权重。
- 它处理 16 kHz audio，通过 causal audio encoder and language decoder 在音频到达时生成文本。
- configured transcription delay 支持 live captions and voice interfaces 等应用。
- 在 480 ms 的 configured transcription delay 下，模型在七个 Arabic benchmarks 上平均 CER 为 8.82%。
- 它与 Voxtral Transcribe Arabic 的 7.91% CER 相差 0.91 percentage points。
