MedASR医疗听写模型完整指南如何在transcribe.cpp中下载与使用gated模型【免费下载链接】transcribe.cppggml speech-to-text inference for 16 model families项目地址: https://gitcode.com/GitHub_Trending/tr/transcribe.cppMedASR 是一款专为医疗听写场景优化的离线语音转文字speech-to-text模型transcribe.cpp 已将其移植为 GGUF 格式支持 Metal、Vulkan、CUDA 与 CPU 后端让你无需联网即可在本地完成医疗语音识别。本篇指南将带你搞定 gated 模型的下载授权、量化版本选择和快速上手三步走。一、MedASR 是什么医疗听写优化的语音识别模型 MedASR 源自 Googlegoogle/medasr仓库pin 在ae1e484其架构与能力如下17 层 Conformer 编码器带 RoPE 旋转位置注意力、macaron 结构 FFN512 token 的 SentencePiece CTC 输出头贪心 CTC 解码不依赖语言模型和 beam search训练数据在约 5000 小时去标识化医生听写语音上微调预训练基于 LibriHeavy 5 万小时语料适用场景放射科、内科、全科等英语医疗听写转写⚠️ 已知局限上游模型卡标注了对非母语口音准确率偏低、说话人分布偏向男性音频超过约400 秒6.7 分钟的旋转位置窗口后精度可能下降建议长录音分段处理详见 input-limits.md。二、如何下载 MedASR GGUF 模型gated 授权 量化版本选择1. 处理 gated 授权关键第一步MedASR 上游仓库是gated门禁仓库你必须先在 HuggingFace 页面上登录账号并接受使用条款之后才能通过huggingface-cli拉取源模型。这是使用 gated 模型最容易被卡住的一步详见 medasr.md 中的说明。不过如果你只是想直接运行推理无需接触 gated 仓库——transcribe.cpp 官方已把转换好的 GGUF 权重发布为公开仓库handy-computer/medasr-gguf每个量化版本都有直链下载链接汇总见 medasr.md 的 Download 表格。2. 量化版本怎么选 量化文件大小WERLibriSpeech test-clean建议F32421 MB17.88%参考基线F16211 MB17.88%高精度需求Q8_0128 MB17.86%✅官方推荐默认Q6_K106 MB17.93%空间敏感Q5_K_M94 MB17.91%比 Q8_0 更小时的首选Q4_K_M83 MB18.14%有 0.26pp 可测损失不推荐结论Q8_0 是最小且无可检测精度损失的预设是最佳平衡点若空间更紧张请选 Q5_K_M 而非 Q4_K_M。模型档案参数量 105M、许可为 Health AI Developer Foundations、能力矩阵完整记录在 medasr.json。三、快速上手构建 transcribe.cpp 并运行 MedASR 转写git clone https://gitcode.com/GitHub_Trending/tr/transcribe.cpp cd transcribe.cpp cmake -B build cmake --build build下载好模型后放到models/medasr/medasr-Q8_0.gguf一条命令完成听写转写build/bin/transcribe-cli \ -m models/medasr/medasr-Q8_0.gguf \ --language en \ samples/jfk.wav输入要求16 kHz 单声道 WAV。其他格式先转换ffmpeg -i input.mp3 -ar 16000 -ac 1 output.wav仓库自带多语种示例音频可直接试跑目录见 samples/README.md。四、进阶从 gated 源仓库转换与量化 如果你需要自定义 dtype 或验证转换流程可以走完整管线1. 登录 HuggingFacegated 模型必需huggingface-cli login2. 运行转换器脚本为 convert-medasr.py依赖环境已预置在 scripts/envs/medasr/pyproject.tomluv run --project scripts/envs/medasr \ scripts/convert-medasr.py google/medasr3. 量化输出更小的 GGUFbuild/bin/transcribe-quantize \ models/medasr/medasr-F32.gguf \ models/medasr/medasr-Q8_0.gguf \ --quant Q8_04. 数值验证逐张量对比上游 transformers 参考实现uv run scripts/validate.py all --family medasr --variant medasr黄金数据清单见 medasr.manifest.json逐阶段差异来源文档在 forward-map.md。五、性能表现远超实时速度的本地推理MedASR 在 Apple M4 Max 与 AMD Ryzen 7 4750U 上的实测profileasr-publication-v2完整表格见 medasr.md平台后端jfk 音频11s实时倍速Apple M4 MaxMetal16 ms658×Apple M4 MaxCPU162 ms68×Ryzen 7 4750UVulkan160 ms69×Ryzen 7 4750UCPU400 ms27×即使是笔记本集显级别的 CPU转写 35 秒音频也只需 1.5 秒左右医疗工作站本地化部署毫无压力。复现基准uv run scripts/bench/run.py --profile --models medasr脚本位于 scripts/bench/run.py。精度补充在通用数据集上 WER 高于通用 ASR如 Whisper-base 约 5%是预期行为——MedASR 是为医疗听写微调的在发布方的内部 RAD-DICT / GENERAL-DICT / FM-DICT 医疗数据集上得分仅为 6.6%–9.3%。六、关键文件导航 资料路径模型官方文档下载链接/性能/验证docs/models/medasr.md模型目录档案量化/精度/速度全量数据catalog/medasr.jsonHF → GGUF 转换脚本scripts/convert-medasr.py转换依赖环境scripts/envs/medasr/pyproject.toml移植数值验证报告reports/porting/medasr/forward-map.md输入长度约束说明docs/input-limits.mdC API 与 CLI 使用说明README.md小结接受 HuggingFace 条款解决 gated 授权 → 下载 Q8_0 GGUF →transcribe-cli -m一条命令即可在本地跑起医疗听写转写。MedASR 小体积128 MB、无语言模型依赖、658 倍实时速度是医疗场景离线语音转文字的务实之选。【免费下载链接】transcribe.cppggml speech-to-text inference for 16 model families项目地址: https://gitcode.com/GitHub_Trending/tr/transcribe.cpp创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考