ARK-ASR-0.6B
- Poids ouverts
- Licence : Apache 2.0
- Français annoncé
En bref : 17e sur 53 en transcription en anglais (Open ASR).
Présentation
Modèle de transcription multilingue de taille moyenne, entraîné par distillation à partir d'un modèle enseignant, avec un décodeur d'environ 0,6 milliard de paramètres. Edge0 le positionne comme un compromis entre qualité, débit et coût de service, sur un seul GPU ou une station de travail. Lu sur huggingface.co, edge0.ai, le 17/10/2026.
- Sortie
- 10 septembre 2026 lu sur la page de l'éditeur
- Taille
- 0,6 milliard de paramètres (décodeur), plus un encodeur audio séparé d'environ 0,6 milliard lu sur la page de l'éditeur
Langues
- Annoncées par l'éditeur : 19 langues, dont le français (zh, en, de, ja, fr, ko, es, pl, it, ro, hu, cs, nl, fi, hr, sk, sl, et, lt). Lu sur huggingface.co.
- Évaluées par nos sources : anglais.
- Le français : annoncé par l'éditeur ; pas évalué en français par nos sources.
Son classement
Chaque ligne vient d'une seule source, dans son unité : les chiffres de deux lignes ne se comparent pas entre eux. Ils ne comptent pas dans le score des modèles de langage.
- En anglais · Transcription
Transcription en anglais, Open ASR
17e sur 53taux d'erreur par mot 5,93 %
Vitesse : RTFx 661 : transcrit 661 secondes d'audio par seconde de calculPar jeu de test : AMI-Cleaned 8,61 %, Earnings22-Cleaned-AA-chunked 6,75 %, Gigaspeech-Cleaned 7,37 %, LS Clean 1,48 %, LS Other 3,44 %, Private (conversational) 12,57 %, Private (scripted) 3,68 %, SPGISpeech 2,63 %, URGENT24 12,49 %, Voice Arena Monsoon 3,43 %, Voxpopuli-AA-Cleaned 2,76 %
Source : Open ASR Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 17 octobre 2026.
Modèles proches
- Transcription en anglais, Open ASR : devant, Higgs Audio v3 STT (15e, 5,92 %) · derrière, Canary Qwen 2.5B (18e, 5,94 %)
Comment lire ces chiffres
Transcription : Le taux d'erreur par mot compte les mots mal transcrits, oubliés ou ajoutés, pour cent mots prononcés : plus il est bas, mieux c'est. Chaque tableau vient d'une seule source, sur ses propres enregistrements : deux tableaux ne se comparent pas chiffre à chiffre.
D'où vient cette fiche
- Nom dans les sources
- Hugging Face (hf-audio) :
Edge0/ARK-ASR-0.6B - Fiche
- Nom et éditeur tels que la source les écrit ; présentation et langues lues sur les pages de l'éditeur.
- Pages lues
- https://huggingface.co/Edge0/ARK-ASR-0.6B/raw/main/README.md (« ARK-ASR-0.6B is an automatic speech recognition model trained with teacher-data adaptation and on-policy distillation, using a compact 0.6B-scale decoder LLM together with a dedicated audio encoder and adapter. »), 17/10/2026
- https://huggingface.co/Edge0/ARK-ASR-0.6B/raw/main/README.md (« 0.6B decoder LLM parameters, with a separate 0.6B-scale Whisper-style audio encoder and MLP adapter »), 17/10/2026
- https://huggingface.co/Edge0/ARK-ASR-0.6B/raw/main/README.md (« ARK-ASR currently supports Chinese, English, German, Japanese, French, Korean, Spanish, Polish, Italian, Romanian, Hungarian, Czech, Dutch, Finnish, Croatian, Slovak, Slovene, Estonian, and Lithuanian ASR. »), 17/10/2026
- https://edge0.ai/models/asr-0.6b (« Audio8 · ASR · 0.6B September 10, 2026 »), 17/10/2026
- https://edge0.ai/models/asr-0.6b (« Audio8 ASR 0.6B balances transcription quality, throughput, memory use and serving cost for practical production deployment. »), 17/10/2026
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.