模型定位
GLM-ASR-Nano-2512 是面向複雜真實場景的開源自動語音辨識模型,將音訊轉寫為文字。官方標示參數規模為 15 億;此數字不包括用作特徵擷取的 Whisper V3 音訊編碼器。模型卡標示採用 MIT 授權。(zhipuai.cn)
能力與用途
- 支援普通話、英語,並針對粵語及其他方言、低音量與輕聲語音進行最佳化;官方稱有 17 種語言達到其高可用性標準。(github.com)
- 適合語音轉文字、會議錄音轉寫及自行部署的語音辨識應用。官方提供模型權重、程式碼與推論範例。(github.com)
- 官方在其比較測試中報告平均錯誤率為 4.10;這是特定測試條件下的結果,不代表所有場景的準確度。(zhipuai.cn)
限制與部署
辨識結果仍可能受語言、口音、音質和場景影響,重要轉寫應人工核對。自行部署需要相應運算資源與軟體環境。官方儲存庫指出,為適配 Transformers 與 SGLang,權重格式已更新;若模型下載於 2025 年 12 月 27 日之前,應重新取得最新版本。(github.com)
價格
截至 2026 年 11 月 17 日,查閱官方中國大陸與國際定價頁,未核實本 Nano 版本的官方 API 輸入或輸出價格。兩頁所列的 GLM-ASR-2512 是另一個雲端版本,其報價不應視為 Nano 的價格。自行部署仍可能產生運算等成本。(docs.bigmodel.cn)
發布日期與官方來源
- 發布日期:2025 年 12 月 9 日。(zhipuai.cn)
- 官方公告;官方模型卡;官方程式碼儲存庫。
查詢時官方公告頁直接讀取逾時,上述公告內容依搜尋索引中的官方頁面摘要核對,並輔以實際讀取的官方模型卡及儲存庫。