Edge0 publie Audio8 ASR Infinite

LLéna

Edge0 a publié en open source Audio8 ASR Infinite, un modèle de reconnaissance vocale en streaming de 4 milliards de paramètres, sous licence Apache 2.0, selon AlphaSignal. Il est conçu pour transcrire un flux audio en continu sans laisser sa mémoire augmenter au fil du temps : le modèle utilise un cache KV glissant de 30 secondes et un recalage des positions RoPE, une méthode destinée à maintenir un état mémoire borné et, selon Edge0, à éviter une dérive de la transcription. Les équipes peuvent régler le même checkpoint sur une cadence audio de 80, 120 ou 160 millisecondes, puis choisir un délai compris entre 240 et 560 millisecondes. Le système intègre également une détection sémantique des fins de tour : elle doit différencier la fin réelle d’une prise de parole d’une hésitation ou d’une pause pendant laquelle la personne réfléchit. Sur AISHELL-1, le taux d’erreur de caractères communiqué pour Audio8 est de 1,75, contre 16,80 pour Voxtral Realtime ; sur LibriSpeech clean, en revanche, Audio8 obtient un moins bon résultat que Voxtral. Le lancement comprend aussi un runtime adapté à vLLM, une configuration Docker Compose et un point d’accès WebSocket pour connecter le modèle à un usage en temps réel. Le point à retenir, c’est donc un outil pensé pour la continuité, avec des réglages de cadence et de latence, mais dont les résultats varient selon le jeu de données : le chiffre observé sur AISHELL-1 ne suffit pas à établir une supériorité générale.