概念

TODO（截图替换）：模型设置页（App 2.0） 建议包含：模型分类标签（Whisper/实时）、下载状态、默认模型选择区、GPU 引擎设置入口。 建议文件名：settings-models-v2.png

功能边界

Audio Note 的模型能力分为三类：

• Whisper 官方模型（离线高精度）
• 社区模型（特定语言/场景增强）
• 实时模型（低延迟、实时反馈）

模型本身只决定“识别能力与速度”，不直接决定业务流程（如链接转录、监控、工作空间）。

适用场景

• 设备性能一般、追求快速出字：优先实时模型或 Whisper Tiny/Base
• 追求准确率（会议、课程、播客）：优先 Whisper Small/Medium/Large
• 以英语为主、速度优先：优先 .en 系列或 Distil 英文模型
• 长音频、术语较多：优先 Large-v3/Large-v3-Turbo，并结合高级参数调优

操作步骤

1. 打开 设置 > 转录，进入模型库。
2. 按目标场景选择模型类别（Whisper / 实时）。
3. 下载模型并确认存储路径可用。
4. 在首页启动转录任务，观察速度与准确率。
5. 不满足预期时，按下列顺序调优：
   • 更换模型体积档位
   • 调整语言与高级参数
   • 在 GPU 可用时启用加速

Whisper 官方模型（当前可用）

• Tiny / Tiny English
• Base / Base English
• Small / Small English
• Medium / Medium English
• Large-v2
• Large-v3
• Large-v3-Turbo

社区模型（当前内置）

• Distil Small English
• Distil Medium English
• Distil Large V2 English
• Distil Large V3

实时模型（当前内置）

• Sherpa ncnn(旧版本)：Chinese-English / Chinese / English / French
• Sherpa ONNX(新版本)：Chinese-English / Chinese / English / French / Russian / Korean / Japanese

以上列表以当前应用版本内置模型为准，后续版本可能增减。

名词解释（建议先读）

• Tiny / Base / Small / Medium / Large：模型体积档位，通常体积越大准确率更高、速度更慢。
• Turbo：在速度和质量之间做了工程优化的版本，常用于大模型提速。
• .en 模型：针对英语优化，英语场景通常更快更稳。
• Community 模型：社区训练的变体模型，优势和风险都更依赖真实样本验证。

更多建议可查看使用模型建议。

真实场景：从“先能用”到“可复用”

很多团队第一次上手会直接选一个“大模型”开跑，结果是首轮等待时间过长，成员很快放弃统一流程。更稳妥的做法是：

1. 先用 Small/Medium 建立可复用基线（保证大家都能稳定跑通）。
2. 对关键素材（例如对外发布、法务存档）再升级到 Large-v3/Turbo。
3. 把“模型选择 + 参数模板”写入团队文档，减少个人经验差异。

这样做的好处是：日常效率不受影响，关键任务又能保证准确率。

常见问题

Q: 实时模型是不是一定比 Whisper 快？
A: 在低延迟场景通常更快，但最终速度还取决于设备与参数配置。

Q: 社区模型一定更准吗？
A: 不一定。社区模型通常针对特定语言或领域优化，需要按你的真实样本验证。

Q: 模型越大越好吗？
A: 大模型通常准确率更高，但显著增加资源占用与处理时延。

常见误区

• 误区 1：只看模型体积，不看任务类型。
  纠正：实时场景优先低延迟模型，离线审校再考虑更大体积。
• 误区 2：一次性全员切换到同一大模型。
  纠正：先用一套“默认基线 + 特殊升级”策略，兼顾稳定性和效率。
• 误区 3：不做样本验证直接长期使用。
  纠正：每次换模型都用真实音频做 A/B 对比，再决定是否替换。

限制说明

• 状态：稳定（非 Beta），如后续进入灰度会在应用内标注。
• 功能开关受账号能力与版本策略影响，部分模型可能仅对特定套餐开放。
• 不同平台可用引擎不同：Windows 优先 CUDA/Vulkan，macOS 优先 CoreML。
• 模型下载与切换需要磁盘空间；大模型对内存与显存要求较高。