模型定位
GLM-ASR-Nano-2512 是面向复杂真实场景的开源自动语音识别模型,输入语音并输出转录文本。官方公布的参数规模为 1.5B;作为特征提取模块的 Whisper V3 音频编码器参数未计入该数字。(zhipuai.cn)
能力与用途
- 支持普通话、英语、粤语及其他方言,并针对低音量、轻声或低语识别进行了优化。官方仓库称模型支持 17 种语言,相关可用性评价条件为 WER ≤ 20%。(github.com)
- 适用于语音转文字和复杂环境下的会议语音转录等场景;官方指出,智谱 AI 输入法是该技术的首个大规模生产级部署。(zhipuai.cn)
- 官方报告的评测平均错误率为 4.10,所列 Whisper V3 对照结果为 6.93;该结果仅代表官方所选测试条件,不能保证所有场景达到相同表现。(zhipuai.cn)
部署与限制
- 官方模型卡标注 MIT 许可证,并提供模型权重;自部署仍需自行承担计算、存储和运维成本。(huggingface.co)
- 识别结果并非始终准确,实际表现受语言、方言、噪声和录音条件影响,重要转录内容应进行人工核对。
- 官方仓库提示,为适配 Transformers 和 SGLang,模型权重格式发生过变化;2025 年 12 月 27 日之前下载的权重需要重新拉取。(github.com)
价格
截至 2026 年 11 月 17 日,未能核实专门针对 GLM-ASR-Nano-2512 的官方托管 API 人民币或美元报价,输入和输出计费均未核实。已检索智谱国内定价页和Z.ai 国际定价页:国内页在本次读取中需要 JavaScript;国际页列出的 GLM-ASR-2512 与本模型名称不同,不能将其价格直接视为 Nano 版本价格。(open.bigmodel.cn)
发布日期与官方来源
- 发布日期:2025 年 12 月 9 日。(zhipuai.cn)
- 智谱官方公告
- 官方 GitHub 中文说明
- 官方模型卡与权重