十七兆级语音识别模型可离线运行，并提供逐词时间戳

Whistle 的单个模型文件为 16.9MB，可在 CPU 端运行语音转写、逐词时间定位和音频表示提取。模型页列出英语、德语、法语等七种语言及流式处理方式，适合移动和可穿戴应用；当前所列支持语言不包含中文。可先用于海外字幕原型。

H1 个来源21.346855143691541 小时前语音识别端侧部署字幕工具

要点

小体积与逐词时间戳适合离线字幕和语音检索，但中文创作者应先确认语言覆盖。

做海外语音应用、离线字幕与可穿戴设备的开发者会受影响。

按模型页进入 Cactus 运行引擎说明，下载 whistle.cact 后使用所支持语言的短音频测试转写和词级定位。

未实测

本条由 AI 根据上面的原始来源整理，经编辑审核后发布。数字和结论以原文为准，发现错误欢迎反馈。

10月13日，谷歌扩大Gemini 4 Argon的开放范围，开发者可通过AI Studio等入口使用。首发标准输入和输出价格为每百万词元2美元、10美元，缓存输入优惠95%；Gemini应用和Antigravity的使用还取决于订阅等级。

MOSS-Image 结合 50 亿参数扩散模型和意图感知提示增强，重点处理长段中英文与信息密集图形。技术报告提供文字和布局评测，模型页已给出 Base、SFT 及运行说明，HF Space 也可查看并尝试带布局要求的生成流程。适合先检查文字分组效果。

DeepSeek 发布 V4.1-Flash-1017，并同步更新网页、应用和接口，针对 Harness 等执行环境优化任务表现、输出长度与耗时。中文实测展示三维网页和游戏制作，同时出现建筑细节偏差；低价与成功交付仍需按完整任务一起评估。

OpenAI于9月29日推出GPT-6.1 Sol，面向编程、电脑操作与专业工作。标准API每百万输入和输出词元分别为2美元、10美元，缓存输入为0.10美元；官方称部分任务表现接近Astra，已进入ChatGPT Work、Codex和API。