板端实录
板端 Web Demo 的屏幕录制，录制设备：Qualcomm QCS8550。
能力亮点
实时转写
音频还在播放，文字已经出来，落后说话人不到一秒。
不限时长
连续转写数小时，内存与速度始终不变。
语义断句
模型预测说话人是否说完，在真正的停顿处分段，而不是每个短暂停顿。
完全端侧
全部推理跑在板端 NPU 上，无需云端、无需 GPU。
中英双语
同一套 SDK，按语言加载对应模型，切换约 2 秒。
易于集成
精简的 C API 与 Python 绑定，任意分块大小喂入音频。
处理流程
从输入到输出，每一步跑在哪里。
- 01Browser
音频输入
视频 / 麦克风 → 16 kHz PCM16，100 ms 一包
- 02CPU
静音门
Silero VAD，屏蔽开口前的掌声与噪声
- 03NPU
流式 ASR
语音编码 + 语言模型，每 160 ms 一步
- 04NPU
语义 VAD
每个 token 输出 0.5/1/2/3 s 结束说话概率
- 05Browser
文字输出
SSE 推送，增量 UTF-8 解码与自动分段
支持硬件
Qualcomm QCS8550已支持
Qualcomm QCS8625已支持
Qualcomm Dragonwing IQ8已支持
Qualcomm Dragonwing IQ9已支持
Qualcomm Dragonwing IQ10即将支持
- 核心模型参数
- 约 4B
- 模型文件
- 2.30 GB
- 许可证
- Pandora 许可协议