Chariot 发布 Chariot-1-ASR Realtime，支持 10 种印度语言实时语音识别
Chariot Launches Speech Recognition Model for 10 Indian Languages
Chariot 于 10 月 22 日发布实时语音识别模型 Chariot-1-ASR Realtime，支持印地语、马拉地语、孟加拉语、泰米尔语等 10 种印度语言及印度英语，已在 Chariot 平台上线。公司称在 79 个公开测试集、约 15.3 万条录音上测试，批处理模式下错误率比 Google Gemini 3.5 Transcribe 低 26%、比 Sarvam Saaras v4 低 9%；流式模式下比 Sarvam Saaras v4 低 17%、比 ElevenLabs Scribe v2 Realtime 低 57%，这些结果均来自 Chariot 自测。模型提供均衡与高精度两种模式，可自动识别语言，并支持将借用的英文词写成英文字母或对应语言文字。
正文 · AI 翻译
前沿AI研究实验室Chariot于10月22日推出Chariot-1-ASR Realtime，这是一款语音识别模型，可在人们仍在说话时将语音转换为文本。该公司表示，在其测试的10种印度语言中，该模型的表现优于所有流式和批处理转写系统。
据该公司介绍，该模型支持印地语、马拉地语、孟加拉语、泰米尔语、泰卢固语、卡纳达语、马拉雅拉姆语、古吉拉特语、旁遮普语和奥里亚语。它还支持印度英语，并已在Chariot平台上线。
Chariot表示，该模型在来自11个集合的79个公开测试集上进行了测试，覆盖约153,000条录音。测试内容包括日常对话、电话通话、朗读语音以及带背景噪声的录音。
该研究实验室表示，与先处理完整段录音再生成文本的系统相比，其模型的错误率比Google Gemini 3.5 Transcribe低26%，比Sarvam的Saaras v4低9%。
在与随语音到达即时转写的系统进行的测试中，Chariot报告称，其错误率比Sarvam Saaras v4低17%，比Google Gemini 3.5 Transcribe Live低34%，比ElevenLabs Scribe v2 Realtime低57%。在这些测试中，Chariot并未被告知所讲的是哪种语言，而竞争系统则获得了对其最有效的语言设置。
在Monsoon这一无脚本电话对话公开集合上，Chariot报告印地语通话的错误率为5.04%，而OpenAI的gpt-transcribe为8.27%。在印度英语通话上，其3%的错误率与Microsoft Azure Speech和Zoom Scribe v2 Pro在Open ASR Leaderboard上的结果相当。
该公司还报告称，在Vaani上的错误率为17.21%，Vaani是一个由不同地区说话者录制的印地语录音集合。Sarvam Saaras v4在同一测试中录得17.86%。错误率越低，表示转写越准确。
这些结果来自Chariot自己的测试。
Chariot-1-ASR Realtime提供两种模式。均衡模式为语音助手和实时字幕等应用更快地生成文本。高精度模式在生成文本前会考虑更多音频，适合通话记录、会议笔记和听写。
该模型可以自动识别语言，或使用应用程序选定的语言。它还可以将借用的英语单词写成英文字母或所讲语言的文字。
“语音识别一直让你二选一：快或准。对于印度语言，Chariot-1-ASR Realtime终结了这一选择，”Chariot联合创始人Parth Sarthi表示。
该模型基于Chariot-1，这是该公司更广泛的语音模型，已针对转写进行了适配。Chariot表示，计划将同一底层模型用于其他语音任务，包括生成语音和识别语言。