Audio8 ASR Infinite：滚动 KV Cache 支撑 24/7 不漂移的流式语音识别（Apache 2.0 开源）

视频加载中

视频加载中

Edge0 开源 4B 参数流式语音识别模型 Audio8 ASR Infinite（Apache 2.0，中英双语）。核心：滚动 KV Cache 固定 30 秒上下文窗口 + 精确 RoPE 重定基（re-basing），旧帧持续逐出后位置编码仍数学一致——内存与延迟恒定，可 7×24 无限长转写不漂移。原生流式架构最快每秒解码 12.5 次，音频时钟可选 80/120/160 ms（对应 12.5/8.3/6.25 决策每秒），转写延迟 240–560 ms 可配置，一个 checkpoint 覆盖多档延迟预算。语义 VAD 能区分思考停顿、口吃与真正的话轮结束（传统声学 VAD 常失败）。成绩：aishell1/test CER 1.750%、aishell4 2.893%，大幅低于 Voxtral-Mini-4B-Realtime（16.8/16.5）与 nemotron-3.5-asr-streaming（12.9/14.7）；英文 LibriSpeech 略逊（test.clean 3.04 vs 2.21）。支持 transformers 与适配版 vLLM（Docker 部署），面向会议转写、通话分析、全双工语音 agent 等常开麦克风场景；AK 还搭了 Hugging Face Space demo。机器人语音交互的实时转写层直接可用。