X-ASR (Zipformer) リアルタイムストリーミングエンジン

X-ASR は、OneASR が超低遅延リアルタイム文字起こし向けに特化して設計したエンジンであり、Sherpa-ONNX と次世代 Zipformer2 Transducer 音響モデルを基盤としています。

主な特徴

超高速レスポンス：160ms チャンク単位のリアルタイム処理により、CPU 負荷を極めて低く維持。
末尾の自動文分割：無音ポーズ検出を内蔵し、意味のある文単位での分割を自動完了。
全二重 WebSocket：PCM 音声ストリームを継続的に受信しながら、Partial（中間）および Final（確定）結果をリアルタイムに返却。

設定例

yaml

ASR-Providers:
  xasr:
    enable: true
    engine: xasr
    load:
      model_name: xasr-zh-en
      tokens_path: models/chunk-160ms-model/tokens.txt
      encoder_path: models/chunk-160ms-model/encoder-160ms.onnx
      decoder_path: models/chunk-160ms-model/decoder-160ms.onnx
      joiner_path: models/chunk-160ms-model/joiner-160ms.onnx
      provider: cpu # または cuda
      sample_rate: 16000
      decoding_method: greedy_search

X-ASR (Zipformer) リアルタイムストリーミングエンジン ​

主な特徴 ​

設定例 ​

X-ASR (Zipformer) リアルタイムストリーミングエンジン

主な特徴

設定例