Cactus Engineering Blog·· 12 天前精选评分65
Cactus 开源 Whistle：16.9 MB 端侧语音识别模型，7 种语言、首 token 11 毫秒
Whistle: Speech to Text in 16.9 MBAn open speech recognition model that runs on the same CPU engine as Needle. It transcribes seven languages, reaches the first token in 11 ms, and loads beside Needle so one binary turns a clip straight into tool calls.Jakub Mroz, Henry Ndubuaku · October 2, 2026 · 6 min read
导读
Cactus 发布开源语音识别模型 Whistle，单文件 16.9 MB、纯 CPU 运行无依赖，面向手机、可穿戴、机器人、智能家居、汽车与微控制器；支持英德法西意荷波 7 种语言（可自动检测），单次转写最长 30 秒 16 kHz 单声道音频，首 token 延迟 11 ms，输出词级时间戳，并与 Needle 共享同一 C++ 引擎与量化方案，可在浏览器端离线运行。
推荐理由
把 STT 压到 16.9 MB 且保留词级时间戳与 11 ms 首响，是端侧语音这一细分方向上规格突出的开源发布。
来源：Cactus Engineering Blog · cactuscompute.com