標籤：asr

insanely-fast-whisper：本地 Whisper 轉錄加速工具，重點不是 TensorRT 而是 Transformers / Flash Attention

TechRitual 介紹 insanely-fast-whisper 作為 Whisper 語音轉文字加速工具；官方 GitHub 可核對它是 Vaibhavs10 維護的本地 CLI，核心堆疊為 Transformers、Optimum 與 flash-attn。官方 benchmark 稱 A100 上可用 Whisper large-v3 於 98 秒內轉錄 150 分鐘音訊；但原文提到 TensorRT 與 MIT 授權需修正：GitHub repo 顯示 Apache-2.0，PyPI metadata 顯示 MIT。

OpenFormosa 公開 AlchemistPlaybook：把模型訓練調參做成可交接的 AI Skill

Threads 介紹 OpenFormosa 公開 AlchemistPlaybook：一套 evidence-based training recipe skill，把論文、官方 config、公開訓練紀錄轉成 pretraining/SFT/DPO/RLHF/RLVR/LoRA/QLoRA/ASR/TTS 的可執行調參與除錯流程；GitHub repo voidful/AlchemistPlaybook 無明確 LICENSE，需視為研究/流程公開而非已可任意商用重用。

Breeze ASR 25：針對台灣華語與中英混用優化的 Whisper-large-v2 ASR，可取代部分 Whisper Desktop 工作流

Threads 使用者回報 5 小時課程音檔約半小時完成轉寫且漏段少；官方 Hugging Face 與 GitHub 顯示 Breeze ASR 25 由 MediaTek Research / mtkresearch 發布，基於 Whisper-large-v2 fine-tune，針對台灣華語、中英 code-switching 與時間戳對齊優化，Apache-2.0。

會議逐字稿模型實測：榜單第一不等於台灣中英混講最準

Dawson Wang 實測七種本地語音辨識模型，發現公開榜單高分的 SenseVoice、Qwen3-ASR 在台灣腔中文夾英文工程術語會議裡反而翻車；Mac 上最準是 mlx-whisper large-v3，但 Linux/Vexa 實務部署更適合 faster-whisper large-v3。

NVIDIA Nemotron 3.5 ASR：把語音辨識搬回本機的 0.6B 串流模型

NVIDIA Nemotron 3.5 ASR 是 600M 參數、支援多語言與串流輸出的 ASR 模型。它的價值不只是小，而是把低延遲、離線、可插入 agent pipeline 的語音輸入層變得更可部署；但 CPU、台語、雙語混雜與授權條款仍要另外測試。

Microsoft VibeVoice：長音檔 ASR、多角色 TTS 與即時語音 AI 的落地判斷

VibeVoice 是 Microsoft 開源語音模型家族：ASR 支援 60 分鐘長音檔；TTS 支援 90 分鐘與 4 speaker；Realtime 0.5B 主打串流 TTS。新增社群補充：它對一人工作室與多角色長篇音訊很有想像空間，但 voice cloning、商用與深偽風險必須按官方限制處理。

聯發科 Breeze-ASR-25：基於 Whisper 的繁中特化 ASR，中英混用辨識錯誤率砍 55%

聯發科 Breeze-ASR-25：基於 Whisper 的繁中特化 ASR，中英混用辨識錯誤率砍 55%

Cohere Transcribe：2B 參數打敗 Whisper Large v3，HuggingFace ASR 榜第一，完全開源

2140〈足球粉絲代幣〉：FIFA 2026 催化下的 Fan Token 事件交易查核摘要

2140.tw ID13 會員文的查核式上架：整理 FIFA 2026 時程、Socios/Chiliz 粉絲代幣效用與非股權風險、SANTOS/PORTO/LAZIO、ASR/FUN、BAR/JUV/CITY/ACM/PSG 等分組技術劇本，以及 Pionex 囤幣寶觸發價/止損設定；明確區分官方可驗證事實、2140 事件交易 thesis 與不保證的價格推論。