Realtime Multilingual ASR — Light (tiny · int8 · CPU)

Modelo leve de reconhecimento de fala em tempo real, multilíngue (99 idiomas do Whisper), otimizado para CPU.

Backbone: faster-whisper tiny (~39M params, ~75MB, quantizado int8)
VAD filter embutido (não transcreve silêncio)
Detecção automática de idioma (pt/en/es/fr/de/... ou auto)
Streaming por chunks (3s padrão, com overlap) via microfone
Uso: microfone, arquivo ou Gradio

Uso rápido

pip install -r requirements.txt
python transcribe_file.py sample.wav auto
python app_realtime.py
python app_gradio.py

from realtime_asr import LightMultilingualRealtimeASR
import sounddevice as sd
import numpy as np

asr = LightMultilingualRealtimeASR(model_size="tiny", language="auto")
text, lang, prob = asr.transcribe_file("audio.mp3")
print(lang, prob, text)

for seg in asr.stream_microphone(chunk_seconds=3.0):
    print(f"[{seg.language}] {seg.text}")

Trocar precisão / tamanho

`model_size`	Params	Tamanho	Latência CPU
`tiny` (padrão)	39M	~75MB	~0.3-0.8s / 3s áudio
`base`	74M	~145MB	~0.8-1.5s
`small`	244M	~490MB	mais preciso, mais pesado

Estrutura

realtime_asr/
  __init__.py
  recognizer.py   # classe principal LightMultilingualRealtimeASR
app_realtime.py   # demo microfone tempo real
app_gradio.py     # demo web
transcribe_file.py
requirements.txt

Limitações

Modelo tiny é rápido mas menos preciso com sotaques/ruído. Para maior precisão use base sem mudar o código.

Downloads last month: -; Downloads are not tracked for this model. How to track