你敢信吗？一个0.1B参数的TTS模型，能在CPU上跑实时语音合成，MacBook Air单核就能流畅运行。更离谱的是，同一个团队还搞了个8B的音频理解模型，在通用音频理解榜单上直接把一众30B的模型按在地上摩擦。OpenMOSS团队这一波，一个负责"说"，一个负责"听"，配合得也太默契了。

如果你是做ASR落地的工程师，我强烈建议你把这个方法跑一下。核心代码应该不会超过50行——改改Whisper的解码循环，加一个对比loss，调一下权重，齐活。应用到其他自回归生成任务（LLM、TTS）探索更多"负样本构造"方式和投机采样结合，能不能再提速？这篇论文给我最大的启发是：有时候让模型变聪明，不是教它更多东西，而是教它"什么时候该闭嘴"。Whisper学会了对自己的幻觉说不——这个事情，可

我做了这么多年AI，最常被问的问题是：什么时候端侧大模型能真正用起来？我之前的答案一直是：再等等。但看完这篇论文，我觉得是时候改答案了。端侧ASR这事，不是"未来可期"，而是"现在就能用"。云端ASR厂商，醒醒，护城河该填了。如果你是开发者，建议立刻去Foundry-Local扒一扒这套方案，能省你不少事。如果你是创业者，端侧语音应用的窗口期才刚刚打开。下一波端侧AI浪潮，就从语音识别开始。

如果你正在做音频处理相关的工作，或者只是想给自己的录音降个噪，我强烈建议你试试这个项目。12种模型，总有一款适合你。而且，作者说了，这个仓库会持续更新，加入更多新的降噪模型。如果你觉得有用，给个Star吧。毕竟，这样实在的项目，值得被更多人看到。

坦率地讲，我之前一直觉得离线AI是个"玩具"，不如联网的AI实用。但用了这个项目之后，我的想法彻底改变了。离线AI，不是"玩具"，而是"未来"。你的数据，你做主。你不需要把隐私交给大公司，不需要担心服务商倒闭，不需要为每次调用付费。你只需要一台普通电脑，就能拥有一个完全属于自己的AI助手。这才是AI应该有的样子。如果你也对隐私、稳定性、成本有顾虑，如果你也想拥有一个完全属于自己的AI助手，不妨试试

OmniVoice 的出现，标志着 AI 配音技术进入了一个新的时代：✅600+ 语言— 全球最广覆盖✅3秒克隆— 零样本声音复制✅40倍实时— 超快合成速度✅完全开源— 免费商用无限制不管你是内容创作者、开发者、还是AI爱好者，OmniVoice 都值得你尝试。论文: https://arxiv.org/abs/2604.00688。

OmniVoice 的出现，标志着 AI 配音技术进入了一个新的时代：✅600+ 语言— 全球最广覆盖✅3秒克隆— 零样本声音复制✅40倍实时— 超快合成速度✅完全开源— 免费商用无限制不管你是内容创作者、开发者、还是AI爱好者，OmniVoice 都值得你尝试。论文: https://arxiv.org/abs/2604.00688。

把"只能在服务器上跑"的语音 AI 模型，变成"能在任何设备上跑"的轻量级应用。如果你是开发者，想给自己的 App 加上语音识别、语音合成功能，但又不想依赖云端 API、不想付费、不想担心隐私问题——sherpa-onnx 就是最佳选择。如果你是普通用户，想体验"完全离线"的语音助手、实时字幕、语音输入——去下载那些基于 sherpa-onnx 的开源 App 试试，你会发现"AI 语音"原来可以

把"只能在服务器上跑"的语音 AI 模型，变成"能在任何设备上跑"的轻量级应用。如果你是开发者，想给自己的 App 加上语音识别、语音合成功能，但又不想依赖云端 API、不想付费、不想担心隐私问题——sherpa-onnx 就是最佳选择。如果你是普通用户，想体验"完全离线"的语音助手、实时字幕、语音输入——去下载那些基于 sherpa-onnx 的开源 App 试试，你会发现"AI 语音"原来可以

准确率：5.42% 平均 WER，开源榜首速度：525 倍实时速度，比同级快 3 倍多语言：14 种语言，全面领先易用性：三行代码搞定，生态完善开源：Apache 2.0，拿来就用如果你还在用 Whisper，是时候试试 Cohere Transcribe 了。如果你正在选型语音识别方案，这个模型应该是你的首选。语音识别的新王者，已经来了。