OmniASR-LLM 7B: офлайн-распознавание речи для 1600 языков

https://youtu.be/mciz07_rp2s?list=TLGGvVqQRrj8SnwxNjEyMjAyNQ Источником является расшифровка видео с YouTube-канала "Fahd Mirza", где обсуждается выпуск Meta OmniASR-LLM 7B, новой модели автоматического распознавания речи (ASR). Модель открыта и поддерживает более 1600 языков, включая множество слаборесурсных, что делает её важным достижением в области мультилингвального ASR. Автор демонстрирует процесс локальной установки и использования модели, в частности, на процессоре (CPU) с помощью интерфейса Gradio. Объясняется архитектура OmniASR-LLM 7B, которая представляет собой гибридный дизайн энкодера-декодера, сочетающий wave2vec 2 с трансформером, вдохновлённым LLM. Также отмечается, что модель имеет разрешительную лицензию Apache 2.0, позволяющую коммерческое использование и кастомизацию.