影片筆記：Audio8-ASR-0.1B：仅0.1B参数！超轻量多语言语音识别模型来了

<!-- VIDEONOTE_PUBLICATION_WARNINGS_BEGIN -->

⚠️ 全文快速校讀發現待確認修正

本筆記已完成可閱讀的逐字稿與時間跳轉；下列為待處理問題，建議播放原片確認。

• 待修正：⚠️ 全文快速校讀：已套用暫定修正，請確認（segment=1 已先套用暫定修正：今日AI分享AudioBar ASR0.1B,僅0.1B參數。 → 今日AI分享Audio8 ASR 0.1B，僅0.1B參數。；segment=4 已先套用暫定修正：雙擊Run,Bet,頁面搜索127.0.0.1,7860。 → 雙擊Run.bat，頁面搜索127.0.0.1:7860。）
• 待修正：逐字稿可先使用，但有待校正清單（segment=8 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語；segment=9 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

一句話總結

本影片介紹了一款名為 Audio8 ASR 0.1B 的超輕量多語言語音識別模型（僅 0.1B 參數），並演示了從下載解壓、執行腳本、上傳音頻到透過「熱詞控制」修正識別結果的完整操作流程。

核心重點

1. 模型特性：Audio8 ASR 0.1B 是一款參數極小（0.1B）的超輕量級多語言語音識別模型。
2. 本地部署流程：使用者需下載項目文件、解壓後執行 Run.bat 腳本，並在瀏覽器中訪問 127.0.0.1:7860 進行操作。
3. 識別與修正機制：

• 系統支援上傳音頻文件並調整推理參數。
• 若初始識別結果存在誤差（如將中文詞彙識別為英文），可透過「熱詞控制」功能進行修正。
• 修正後需再次點擊按鈕以生成最終識別結果。

1. 演示案例：以網路流行語「兩年半的個人練習生蔡徐坤，喜歡唱、跳、rap、籃球、music」為例，演示了如何將結尾的 'music' 修正為 '音樂'。

詳細大綱

1. 模型介紹

• 名稱：Audio8 ASR 0.1B。
• 核心賣點：僅 0.1B 參數，屬於超輕量級模型，支援多語言語音識別。

2. 操作步驟詳解

1. 準備工作：準備項目文件並完成解壓。
2. 啟動服務：雙擊執行 Run.bat 腳本。
3. 進入介面：在瀏覽器地址欄輸入並訪問 127.0.0.1:7860。
4. 上傳與設定：

• 上傳音頻文件。
• 調整推理參數（具體參數細節未在摘要中展開，但提及可調整）。

1. 執行識別：點擊「開始識別」按鈕。

3. 功能演示與問題處理

• 初始識別結果：系統識別出「兩年半的個人練習生蔡徐坤，喜歡唱、跳、rap、籃球、music」。
• 問題點：識別結果中保留了英文單字 'music'，可能不符合預期或需要統一語言風格。
• 修正方法：
• 使用「熱詞控制」功能。
• 將 'music' 替換或修正為 '音樂'。
• 重新生成：完成修正後，再次點擊「生成按鈕」（註：前文稱為開始識別按鈕，此處稱為生成按鈕，需確認介面一致性）開始創作/識別，獲得修正後的結果。

4. 結語

• 呼籲觀眾若覺得項目不錯，請點贊並關注。
• 預告後續將分享更多 AI 開源項目。

工具 / 模型 / 名詞整理

• Audio8 ASR 0.1B：影片介紹的超輕量多語言語音識別模型。
• Run.bat：Windows 系統下的批處理腳本，用於啟動本地服務。
• 127.0.0.1:7860：本地服務訪問地址及預設端口。
• 熱詞控制：用於修正語音識別結果中特定詞彙的功能。
• 蔡徐坤：演示中使用的語音識別對象，涉及網路梗「兩年半的個人練習生」。

操作流程整理

1. 下載與解壓：獲取項目文件並解壓。
2. 啟動服務：雙擊 Run.bat。
3. 訪問網頁：瀏覽器打開 127.0.0.1:7860。
4. 上傳音頻：選擇要識別的音頻文件。
5. 調整參數：修改推理所需的參數。
6. 初次識別：點擊「開始識別」按鈕。
7. 檢查結果：查看識別文本（例如：...籃球、music）。
8. 熱詞修正：若結果有誤，使用「熱詞控制」將 'music' 改為 '音樂'。
9. 最終生成：點擊「生成按鈕」獲取修正後的識別結果。

值得注意的限制或風險

• 識別準確性：演示中顯示模型可能無法正確區分語言或識別特定專有名詞（如將「音樂」識別為「music」），需依賴後置的熱詞控制進行修正。
• 操作依賴性：高度依賴本地環境配置（Windows .bat 腳本）及特定端口（7860）的開放。
• 介面一致性疑點：分段筆記中同時出現「開始識別按鈕」與「生成按鈕」，可能指代同一個按鈕的不同狀態或名稱，實際操作時需注意按鈕名稱的變化。

逐字稿辨識疑點

• 模型名稱：逐字稿中提及「Audio8 ASR 0.1B」，需查證是否為正確模型名稱。標題為 "Audio8-ASR-0.1B"，但需確認官方名稱是否包含連字符或空格，以及 "Audio8" 是否為 "Audio" 與 "8" 的組合或特定品牌名。
• 人名與梗：逐字稿中提及「兩年半的個人練習生蔡徐坤」，此為特定網路梗或語境，需確認是否為正確人名或特定指代。
• 功能名稱：逐字稿中提及「熱詞控制」，需查證是否為該項目特有的功能名稱或通用術語。
• 按鈕名稱：逐字稿中同時出現「開始識別按鈕」與「生成按鈕」，需確認介面按鈕實際名稱。
• 標題與內容差異：影片標題為 'Audio8-ASR-0.1B'，但分段筆記中提及名稱時有時寫成 'AudioBar' 或 'Audio8 ASR'，需確認統一名稱。
• 技術細節：Windows 腳本通常為 .bat 文件，URL 格式應為冒號分隔端口（如 127.0.0.1:7860），需確認逐字稿中對端口格式的描述是否準確。

可延伸追問

1. Audio8 ASR 0.1B 的具體訓練數據集包含哪些語言？
2. 「熱詞控制」功能的具體操作邏輯是什麼？是基於權重調整還是詞典替換？
3. 該模型在極低算力設備（如手機或嵌入式設備）上的運行表現如何？
4. 除了蔡徐坤的案例，該模型在其他長句或專業術語上的識別準確率如何？