# 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。
4.  **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）。
5.  **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？