#CT-Transformer 系列

说明

• 模型背景：由阿里巴巴达摩院开源的标点模型，基于 Controllable Time-delay Transformer（CT-Transformer） 架构打造，主要用于语音识别结果后处理，完成文本标点预测与恢复。
• 功能特性：模型由 Embedding、Encoder、Predictor 三部分构成：Embedding 融合词向量与位置向量；Encoder 支持 Transformer、Conformer 等多种网络结构；Predictor 负责逐 Token 预测标点类型。针对传统 Transformer 推理时延高、标点结果反复刷新的问题，CT-Transformer 在保证精度不变的前提下实现可控推理时延，适配实时业务场景。基于通用领域业务数据集测试：精确率 53.8%、召回率 60.0%、F1 值 56.5%；训练样本总量约 3300 万条。
• 开源仓库：https://github.com/modelscope/FunASR

名词释义

• int8：INT8 量化版本，压缩模型体积、加快推理速度，存在小幅精度损耗
• mge：针对 MatMul、Gather、Embed 核心层专项量化优化，进一步缩减模型体积，提升加载与推理速度，精度可能略有下降

#模型列表