Edge0 开源 Audio8-ASR-Infinite：原生流式语音识别，滚动 KV Cache 撑住 24 小时不漂移
Edge0 开源 Audio8-ASR-Infinite —— 一个原生流式语音识别模型，按 Apache 2.0 放出权重，中英双语。它的原生上下文只有 30 秒，配一套滚动 KV Cache 后官方称可 24 小时连续转写、内存与延迟都不随时间增长。流式识别跑久了越转越迟、缓存越吃越多是老问题，这次被直接当成模型设计目标写进了模型卡。
工程上给了三个可调项：音频时钟 80/120/160 ms（对应每秒 12.5 / 8.3 / 6.25 次决策），转写延迟 240–560 ms，两者决定感知粒度与资源开销的取舍；官方给出的优化工作点是 80 ms 配 240–560 ms、120 ms 配 240/480 ms、160 ms 配 320/480 ms 三组。架构上音频侧沿用 Voxtral Realtime 4B 的因果音频塔，文本侧解码器取 Qwen2.5-3B-Instruct，两侧都参与训练，另带语义 VAD 用来区分思考停顿、口吃与真正的说话结束；配套推理基于改造过的 vLLM。
Edge0 此前以 Edge0-35B 的「SSD 专家卸载」进入本站（35B 峰值活跃内存约 2.9GiB），这个团队在 Hugging Face 上的 16 个仓库里，Audio8 系列同时覆盖 TTS 与 ASR：ASR 侧从 0.1B 端侧版一路做到这次的无限长流式版。需要写明的是，模型卡里没有基准表，也没有 arXiv 链接（标注 coming soon），全部数字来自官方自述。
原文链接：Edge0 官方模型卡 / GitHub
核验记录
补收条目（首发 2026-09-21，本站此前 6 天未收，因历轮 oracle 只覆盖「最近 3 小时新建」）。日期证据：Hugging Face 仓库 Edge0/Audio8-ASR-Infinite createdAt 2026-09-21T15:03:21Z，GitHub Edge0-AI/Audio8-ASR-Infinite created_at 2026-09-21T15:04:01Z，两个独立时间戳相隔 40 秒互证；均为仓库时间戳，未见官方新闻稿（edge0.ai 站内未扫到该条）。技术细节全部取自模型卡 README 原文；性能数字为官方自述，未做第三方复核；仓库无 arXiv、无第三方基准对比。热度数据（969 赞 / 19,434 次下载）取 HF API 2026-09-27 实测值。配图取 HF 社交缩略图，裸请求与带站内 Referer 均 200 / 414,687 字节 PNG。