Earlybird 語音轉文字是一個只有 29M 參數、17MB 的預測式語音轉文字模型：它不等你說完一個詞就提前把它寫出來，讓語音助手感覺像“秒回”。
是什麼
這裡說的 Earlybird 語音轉文字，特指 2026 年 11 月 10 日由 Sahil Mahendrakar 在 Product Hunt 上發佈、並同步發表論文《Earlybird: Predictive Streaming Speech Recognition in 29M Parameters》（arXiv:2611.14421）的那個 29M 參數模型——中文名“Earlybird”撞名嚴重，市面上有同名的郵件、日程等產品，認準“語音轉文字、29M 參數”這個限定詞才不會找錯。它是一個流式語音識別模型，基於 Moonshine 流式 Tiny 模型精簡詞表而來，砍到 29M 參數、4-bit 版本只有 16.8MB。它和普通語音轉文字最大的不同是“預測”：普通模型要等一個詞說完、再過 90 到 400 毫秒才輸出，Earlybird 語音轉文字在聽到詞的前半部分時就預測後半部分，提前輸出，並給出每個詞的置信度。
能幹什麼
它解決的是語音助手和實時字幕裡最磨人的延遲問題。你對語音助手說“幫我訂明天去上海的機票”，普通模型要等你每個詞都說完才開始轉寫，助手再理解、再行動，整個過程總慢半拍；Earlybird 語音轉文字在你還沒說完時就已經把詞預測出來，助手可以提前開始準備，體感上就像對方在“搶答”。按論文數據，在乾淨的有聲書語音上，它預測正確的中位時間比詞說完提前約 90 毫秒，而已發佈的其他流式模型要晚 90 到 400 毫秒；在同一批有聲書上，69% 的詞是在說完之前就被正確預測出來的，其他模型只有 3% 到 25%。它在 6 個計時測試集上都是最早的，在 8 個英文 Open ASR Leaderboard 測試集上，準確率全面超過同量級的 Moonshine Tiny，大致打平同等大小的 Whistle 模型。
免費還是付費
免費，$0，沒有訂閱、沒有賬號、沒有按分鐘計費，權重和代碼都開源。
| 項目 | 價格 | 說明 |
|---|---|---|
| Earlybird 語音轉文字模型 | $0 | 開源權重 + 開源代碼，免費下載使用 |
| 運行成本 | $0 | 17MB，可在普通 CPU 本地跑，不用顯卡、不用雲端 |
| 商業使用 | 以開源許可為準 | 論文稱其源自 MIT 許可的 Moonshine 模型，具體許可請以倉庫為準 |
需要提醒的是：它目前只是一個模型，不是一個開箱即用的 App，沒有“下載安裝、點開始錄音就能用”的成品；你要用它，得自己或等開發者把它集成進應用。它目前僅支持英語，作者稱其他語言在計劃中，但還沒上線，中文語音現在不能用。
怎麼用
- 打開 Product Hunt 上的 Earlybird 語音轉文字發佈頁（產品名後帶 -5 的那個頁面），從發佈頁跟隨鏈接找到代碼倉庫和權重下載地址；同時打開 arXiv 論文頁（arXiv:2611.14421）對照參數和用法。
- 按倉庫說明下載 16.8MB 的 4-bit 權重和配套的配置文件，準備一段英文音頻做測試——先用乾淨的有聲書或 TED 演講片段，別一上來就用帶噪音的會議錄音。
- 如果你是在開發語音助手，把它接在語音輸入和大模型之間：用它提前輸出的詞和置信度，讓助手提前準備回答，但關鍵動作（如下單、發郵件）一定要等整句確認、置信度達標後再執行，別被一次預測錯誤帶偏。
- 只是想體驗、不想搭環境的用戶，建議先等有開發者把它做成帶界面的應用後再試，現在直接用更適合開發者和技術愛好者。
國內使用注意
Earlybird 語音轉文字的 Product Hunt、arXiv、GitHub 這類頁面在國內一般需要 VPN 才能穩定打開，權重下載也一樣，建議在網絡通暢的環境下一次性下好。它目前僅支持英語，對中文會議、中文語音助手沒有直接幫助，中文用戶如果要的是“中文實時轉寫”，直接用訊飛聽見、飛書妙記這類國內工具更實際：它們支持中文、能出時間戳和紀要，雖然不是“提前預測”這種技術路線，但勝在開箱即用。它的價值更多在技術層面：如果你在開發英文語音助手、實時字幕或低延遲語音交互產品，它是一個免費、夠小、夠快的現成選擇；如果你只是想找個轉寫工具，別被“提前 90 毫秒”這個賣點帶偏，先確認它支持的語言和你的使用場景對不對得上。