Fun-ASR-Nano-2512-hf
FunAudioLLM · Chine
- Poids ouverts
- Licence : Apache 2.0
En bref : 37e sur 53 en transcription en anglais (Open ASR).
Présentation
Fun-ASR-Nano est un modèle de reconnaissance vocale de bout en bout du Tongyi Lab, entraîné sur des dizaines de millions d'heures de parole réelle. Cette version au format Hugging Face Transformers couvre le chinois (sept groupes dialectaux et 26 accents régionaux), l'anglais et le japonais. Lu sur huggingface.co, le 17/10/2026.
- Taille
- 800 millions de paramètres lu sur la page de l'éditeur
Langues
- Annoncées par l'éditeur : 3 langues (chinois, anglais, japonais) (zh, en, ja). Lu sur huggingface.co.
- Évaluées par nos sources : anglais.
- Le français : absent des langues annoncées 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
37e sur 53taux d'erreur par mot 7,24 %
Vitesse : RTFx 496 : transcrit 496 secondes d'audio par seconde de calculPar jeu de test : AMI-Cleaned 10,35 %, Earnings22-Cleaned-AA-chunked 10,87 %, Gigaspeech-Cleaned 8,41 %, LS Clean 1,47 %, LS Other 4,07 %, Private (conversational) 14,83 %, Private (scripted) 4,95 %, SPGISpeech 2,05 %, URGENT24 13,93 %, Voice Arena Monsoon 5,32 %, Voxpopuli-AA-Cleaned 3,40 %
Source : Open ASR Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 17 octobre 2026.
Modèles proches
- Transcription en anglais, Open ASR : devant, Whisper Large v3 (36e, 7,16 %) · derrière, Voxtral Mini (38e, 7,25 %)
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) :
FunAudioLLM/Fun-ASR-Nano-2512-hf - 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/FunAudioLLM/Fun-ASR-Nano-2512-hf/raw/main/README.md (« This checkpoint supports Chinese, English, and Japanese; its Chinese coverage includes 7 dialect groups and 26 regional accents. »), 17/10/2026
- https://huggingface.co/FunAudioLLM/Fun-ASR-Nano-2512/raw/main/README.md (« Fun-ASR is an end-to-end speech recognition large model launched by Tongyi Lab. It is trained on tens of millions of hours of real speech data »), 17/10/2026
- https://huggingface.co/FunAudioLLM/Fun-ASR-Nano-2512/raw/main/README.md (« | Tens of millions of hours | 800M | »), 17/10/2026
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.