1. 튜토리얼 소개

GLM-ASR-Nano-2512는 ZhipuAI에서 2024년 12월에 출시한 오픈 소스 음성 인식 모델로, 15억(1.5B) 규모의 파라미터를 지원합니다. 복잡한 실제 환경 시나리오 처리에 특화되어 설계되었으며, 작은 용량에도 불구하고 여러 벤치마크 테스트에서 OpenAI Whisper V3보다 우수한 성능을 보여줍니다. 이 모델은 표준 중국어와 영어를 지원하며, 방언 인식 및 속삭이는 소리/저음 환경에서도 뛰어난 안정성을 자랑합니다. 엣지 컴퓨팅 환경에 최적화된 고성능 모델로서, 고급 학습 전략을 활용하여 극히 작은 음량의 음성 디테일까지 정확하게 포착함으로써, 기존 음성 인식 모델의 한계였던 방언 및 복잡한 음향 환경 인식 문제를 해결합니다. 예를 들어, 소음이 심한 회의 녹음이나 개인 정보 보호가 중요한 속삭이는 대화에서 GLM-ASR-Nano는 매우 정확한 음성 인식 결과를 제공합니다.

이 튜토리얼에서는 Grado와 Transformers를 사용하여 GLM-ASR-Nano-2512를 배포하는 방법을 시연하며, 다음과 같은 컴퓨팅 리소스를 활용합니다.  싱글 RTX 5090  .

2. 프로젝트 예시

3. 작업 단계

1. 컨테이너 시작 후 API 주소를 클릭하여 웹 인터페이스로 진입합니다.

2. 웹페이지에 접속하면 음성 파일이나 녹음 파일을 업로드하여 인식을 요청할 수 있습니다!

표시되는 경우 배드 게이트웨이 모델이 로딩 중입니다. 2~3분 정도 기다리신 후 페이지를 새로고침해 주세요.

Safari 브라우저를 사용하는 경우 오디오가 직접 재생되지 않을 수 있으며, 재생하기 전에 다운로드해야 합니다.

인용 정보

@misc{glm-asr-nano-2512,
      title={GLM-ASR-Nano: A Robust and Compact Speech Recognition Model}, 
      author={ZhipuAI},
      year={2024},
      publisher={Hugging Face},
      url={[https://huggingface.co/zai-org/GLM-ASR-Nano-2512](https://huggingface.co/zai-org/GLM-ASR-Nano-2512)}
}