Einordnung und Veröffentlichung
GLM-ASR-Nano-2512 ist ein quelloffenes automatisches Spracherkennungsmodell für komplexe Alltagssituationen. Die offizielle Ankündigung ist auf den 9. Dezember 2025 datiert. Das Modell steht unter der MIT-Lizenz und kann selbst betrieben werden. (zhipuai.cn)
Fähigkeiten und Anwendungen
- Wandelt Sprache in Text um; geeignete Anwendungen sind etwa Transkription und Spracheingabe.
- Unterstützt laut Hersteller 17 Sprachen mit hoher Nutzbarkeit. Besonders hervorgehoben werden Mandarin, Englisch, Kantonesisch und weitere Dialekte sowie leise Sprache und Flüstern. Die Ankündigung demonstriert außerdem die Erkennung seltener und benutzerdefinierter Schlüsselwörter. (zhipuai.cn)
- In den vom Hersteller ausgewählten Benchmarks erreichte das Modell eine durchschnittliche Fehlerrate von 4,10 gegenüber 6,93 für Whisper V3. Diese Ergebnisse sind keine Garantie für dieselbe Qualität bei anderen Aufnahmen. (zhipuai.cn)
Architektur und Grenzen
Der Hersteller nennt 1,5 Milliarden Parameter; der zusätzlich verwendete Whisper-V3-Audioencoder ist in dieser Zahl nicht enthalten. Die Erkennungsqualität kann je nach Sprache, Dialekt und Aufnahmebedingungen variieren. Bei lokalem Betrieb fallen eigene Infrastruktur- und Betriebskosten an. Der Hersteller weist darauf hin, dass vor dem 27. Dezember 2025 heruntergeladene Gewichte wegen eines geänderten Formats aktualisiert werden sollen. (zhipuai.cn)
Preise
Für GLM-ASR-Nano-2512 ließen sich bei der Prüfung am 17. November 2026 weder ein offizieller CNY- noch ein offizieller USD-API-Preis für Eingabe oder Ausgabe verifizieren. Die geprüften chinesischen Preisangaben und internationalen Preisangaben dürfen nicht ohne Weiteres auf Nano übertragen werden: Die internationale Preisliste nennt das anders bezeichnete Cloud-Modell GLM-ASR-2512. (docs.bigmodel.cn)