来源:notes/documents/04_horizon2025_paraformer-large_标点_切片转写.md

horizon-2025 切片转写:paraformer-zh large int8 + CT-Transformer 标点

摘要

  • 模型:paraformer-zh-2023-03-28(214MB,int8)+ CT-Transformer zh-en vocab272727(281MB)

方案信息

算力 CPU(RDK X5 8×Cortex-A55,无 BPU 参与)
运行时 sherpa-onnx 1.13.8(/tmp/asrvenv,Python 3.10.12)
线程 num_threads=4(串行执行,单方案独占板卡)
测试素材 horizon-2025.wavchunks/chunk-007.wav(600 秒、16kHz 单声道、中文)
纪律 所有方案串行跑,一次只跑一个模型

实测耗时(600 秒音频)

加载 解码 RTF 全量 2h35m 外推
10.2s(+2.2s 标点) 109.6s(+3.6s 标点) 0.206 约 29 分钟

说明:全量外推 = RTF × 9300 秒,仅按比例估算,未实测全量。

完整转写原文

以下为该方案对 600 秒切片的原始输出,未做任何校对;错别字、断句与专有名词错误均为模型原始结果。

比如说数学跟逻辑,数学跟逻辑这个世界都不存在的时候,当宇宙大爆炸还没有发生的时候,那个时候数学跟逻辑其实就已经存在了啊,这个是世界背后的真相。所以人工智能实际上是在逼近那个东西啊,世界背后的这个真相啊,所以这个里面我想跟大家又来提一个暴论,习以为常是真的吗?是正确的吗?顺着互联网时代的惯性来思考人工智能时代是真的吗?是对的吗?哦,我觉得提供这么一个观点,也不一定是说求正确,但至少大家可以思考。哦,我们觉得a i时代人类的行为数据没有价值,求至少在过去我们从事自动驾驶。其实我们也发现百分之九十九的人类司机的驾驶行为是不值得学习的。因为他开的真的是不好,他们刹车刹车真的是很重,你知道吗?啊,他们很多的时候的拐弯觉得不够优雅。啊,你知道有一个很有趣的一个所谓的结果啊,说是瑞瑞典是是那反反正一个北欧国家就采访,就是说所有的这些人类司机,你要知道吗?就是百分之八十的司机认为自己开的比平均水平好,这是不是很扯呀?啊,其实最近特斯拉呃也释放出一些新闻端倪嘛,特斯拉实际上不是靠用户数据,特斯拉是自己专门的fleet自己专门的车队来这个收集数觉的啊,然后再加上更重要的是什么呢?是在虚拟世界的仿真,虚拟世界的强化学习,然后强化学习对于自动驾驶的突破。是啊非常重要的啊,所以对于这个智能驾驶来讲的话,我觉得智能驾驶的目标其实不是说做的跟人开车一样,安全是要做的跟远比人人要安全。它不是说开车要做到开车跟人一样舒适,它是要做到远比人开车更加的舒适。所以智能驾驶的目标其实不是洞见人间烟火,而是逼近驾驶之神。我认为这个目标最终是可以实现的啊,我自己大概觉得悲观估计或者是客观估计可能十年。悲观估计的话呢,可能啊五年,但是需要持续的努力。所以这个也让我想到了这一点,既然a i在逼近世界的真相,那有可能a i革命是人类历史上面的这个那个最后一次科技革命。这个让我想到了爱因斯坦,大家知道吗?爱因斯坦是从来不做实验的,他推导出狭义相对论,跟广义相对论。他从十六岁开始,他就是通过什么样short experiexperiment思想实验,他完全是在虚拟世界里面推导的。你看看毕竟世界的真相有可能不是从人间烟火,而是从纯粹理性的这个逻辑推导。所以我们在思考的话呢啊这个a i革命可能是人类历史上面最后一次科技革命。为什么?因为靠a i来,毕竟世界真相了以后,哎,你看去年诺贝尔奖物理学奖已经开始跟a i有关了,生物医学奖也已经跟这个a i有关了啊,以后可能诺贝尔奖越来越多的跟a i有关了。呃,去年只是开始啊,并不是绝版啊。好,第三个我的一个思考就是我看历史上面啊总是有一个阶段,这个阶段是什么呢?它是一个十倍速的关键技术的快速变化。因为这个十倍数的这个技术的关键的快速变化,导致了整个产业格局的天翻地覆套,用我们马克思主义经济学的一个观点,生产力决定生产关系。因为十倍速的生产力的变化,导致以前的庄家现在突然一下下牌桌了,以前在牌桌上面牌桌下面的无名小卒。诶,现在成为行业里面的领军人物了,这种事情是不是比比皆是啊?我看新能源车其实某种意义上就是过去整个新能源十倍速的变化,对吧?咱们中国的自主品牌以前的话呢不到百分之五十。去年年底的话呢百分之七十。因为一个关键技术的十倍速变化,那有的跟上了,有的没跟上,所以一下子庄家跟这个台桌下的玩家马上就到了个个儿了,对吧?这种情况其实比比皆是。我给大家分享一下个人电脑当时发生了什么事情,差不多在一九八六年的时候,那个时候的话,intel跟微软实际上是给i b m做小弟的。如果看历史的话呢啊那个时候i b m是巨无霸,那二八六的i b m电脑当时取得了辉煌的成功,然后intel呢想推出更高性能的处理器,三八六i b m不支持i b m说,我觉得我的p c这个性能已经够用了,你搞三八六就是瞎扯淡。那intel跟着微软这两个小兄弟就偷偷摸摸的到外面去支持了cambo康柏戴尔惠普一堆的公司。那我们可以看到这个ibm的整个的这个市场地位,在八六年开始就一直往下另外几个小兄弟戴尔惠普康柏二八六三八六四八六五八六六八六奔腾。如果九十年代有印象的话,大家知道那段历史整个改变了一个这个产业的这个格局。所以这个时候的话呢,其实当时叉八六性能的这个处理器,它就是一个十倍速的这个技术变量。那这个时候其实所有的这些厂商唯一要做的事情就是以高打低,以快打慢。如果你慢了,你就被淘汰了。智能手机时代也是一样。我们看手机七代,一开始的话呢,在一g二g的时候,那个时候摩托罗拉、诺基亚、飞利浦阿尔卡特西门子爱立信n e c松下。大家都记得这些品牌。那个时候的话呢,他们都是自研其待。后来德州仪器搞了一波,然后呢高通又掀起一波,再加上联发科,他们在三g四g五g时代的话呢持续领先。那那些凡是跟上了这些手机厂商,现在的话呢都活的挺好,那些没有跟上的话呢,现在都已经曾经的王者现在都已经下排座了。所以移动通讯技术的基带其实是一个时代变量啊,是一个十倍速变化的一个技术要素。那这个时候其实所有手机厂商呃要跟进的,其实就是什么呢?就是以高打低以快打慢。我刚刚已经讲了,自动驾驶,智能驾驶,就像智能手汽车的这个基带。这样它从今年开始自驾平权,那么从啊基础配就变成了是一百t算力的l二的辅助驾驶,对吧?现在我们都叫l二辅助驾驶,那它一定会往前发展。两到三年以后的话呢,它可能会出现l三。那么l三的话呢,整个的算力大概要五百到一千体。你比如说现在索尔就基本上就已经在这个范围,那地平线要推出来的新一代产品也是这个范围。那么l四可能二零三零年一直到二零三五年啊,我我们认为直会到五百t的算力,十年以后哦,五千t五千t哦,为什么说五千t啊,其实也不是完全的拍脑袋,因为未类大脑就是五千t算力。我认为自动驾驶一直要达到那种安全性,我觉得至少要达到这样的一个计算性能啊,所以未来十年其实自动驾驶的软件跟硬件也是一个。

方案特点与已知错误

  • 本次对比中的推荐组合:paraformer-large 的准确率 + CT-Transformer 的标点。
  • 标点模型额外开销很小:加载 2.2 秒、标点 3.6 秒 / 约 2300 字。
  • 人名与术语仍是模型猜测,例如「余凯」可能被写成其他同音字,建议加热词表。

    关联

  • 方案总览、性能对比与工程结论:note_a4def66c886144e0(https://my.feishu.cn/docx/Flj4dNQMWoB5dzxNI8mc0MmXnGb)

本文只是 600 秒切片。全文 2h34m54s 的完整转写note_796c8125fe43479a(https://my.feishu.cn/docx/TmnvdRtnFoEjq5xtLrscFbXLnag)。