講廣東話,
即刻變文字。

唔係泛泛嘅「粵語」,係香港人日常講嘅廣東話。出嚟係繁體字,係香港人真係會打嘅口語(係、喺、嘅、咗、㗎),英文照寫英文。

全程喺你部機運行,段聲唔會上傳,唔使註冊。用電腦版 Chrome 或者 Edge 有 WebGPU 加速。

模型寫出嚟嘅字

今日 send 咗個 proposal 俾 client,佢話聽日再覆。

1.7B v2.1 喺 FLEURS 嘅字錯率係 3.89%,whisper-large-v3 係 20.97%。

喺瀏覽器試 0.6B

第一次要下載約 1.2 GB 模型,之後會存喺瀏覽器 cache。網頁版係試食裝:細模型、int8 量化,速度同準確度都唔及桌面版。

  1. 1載入模型
  2. 2錄音/上傳
  3. 3睇結果

載入模型

未載入

模型載入後會存喺瀏覽器 cache,下次開唔使再下載。

撳一下開始錄音

或者

,或者直接拖入嚟呢度

wav、mp3、m4a、ogg、webm、mp4 都得。長過 30 秒會自動分段。

試吓講:「我啱啱 book 咗聽晚七點嘅枱」「閂燈」「呢個 project 下個禮拜 deadline」

唔係「粵語」就算,係香港人講嘅廣東話。

好多語音模型都話識「粵語」,但唔係為香港人而整:口音同用詞唔同,出簡體字,又或者自動將你講嘅口語「翻譯」做書面語,英文字就變成音譯。呢套模型專登為香港人平時點講嘢而調校。

你講「我啱啱 book 咗聽晚七點嘅枱,你收工直接過嚟啦。」

一般「粵語」模型常見輸出

我刚刚布克了明晚七点的台,你下班直接过来吧。

出簡體字,口語變咗書面語,英文變音譯。

Qwen3-ASR 香港廣東話版

我啱啱 book 咗聽晚七點嘅枱,你收工直接過嚟啦。

繁體,口語照寫,英文照寫英文。

示例,用嚟說明常見問題;實際輸出視乎模型同錄音質素。

繁體,香港寫法
直接出香港用嘅繁體字,唔會出簡體,唔使再轉換。
口語照寫
係、喺、嘅、咗、㗎、啲,講乜寫乜,唔會幫你改做書面語。
中英夾雜
book 枱、send email、deadline,英文照寫英文。中英夾雜測試集錯字少一半以上(1.7B:11.74% 降到 5.52%)。
香港口音同用詞
Common Voice 香港、MDCC、立法會等香港測試集,錯字率全部低過原版模型。

網頁係試食,正餐係 1.7B。

0.6B 細、快,啱放上網頁同邊緣裝置。要日常用、要準,用 1.7B:體積大約三倍,大部分測試集錯字少兩至三成,中英夾雜都穩陣啲。

0.6B(呢個網頁) 1.7B v2.1 字錯率 CER,越短越好

BF16 transformers、greedy decoding、強制粵語。網頁版用 int8 ONNX,結果可能有少少出入。完整 benchmark 喺 GitHub 同 koelony.com/asr。

唔好淨係試,日日用佢。

OraType 係免費開源嘅 macOS 語音輸入。喺任何 app 撳快捷鍵、講嘢,乾淨嘅文字就會打喺你個 cursor 度。內置我哋嘅 1.7B 香港廣東話模型,全程喺你部 Mac 運行。

  • 任何 app 都用得:WhatsApp、Slack、Gmail、Notes。
  • 香港廣東話同中英夾雜,內置 1.7B(GGUF Q6_K)。
  • 自動刪「呃、即係」,跟你改口,加標點。
  • 即講即譯,最多三種目標語言。
  • MIT 開源、免費、唔使帳戶、冇追蹤。

需要 Apple Silicon(M1 或之後)。

你可能想問

同其他「粵語」語音識別有咩唔同?

好多模型將「粵語」當成一種書面中文嚟處理:出簡體字、將口語改寫做書面語,或者用其他地區嘅口音同用詞訓練。呢套模型專登為香港廣東話調校:出繁體字、保留口語寫法、英文照寫英文,喺香港相關測試集嘅錯字率都低過原版 Qwen3-ASR。

段聲會唔會上傳?

唔會。模型下載落你部機,喺瀏覽器入面運行,錄音同檔案都唔會離開你部機。呢個網站唔收集任何數據。

點解咁慢,載入咗好耐?

第一次要下載約 1.2 GB。之後會用 cache。冇 WebGPU 嘅瀏覽器會用 CPU(WASM),會慢好多。最好用電腦版 Chrome 或 Edge;想快又準,用桌面版 1.7B 或者 OraType。

點解唔建議用手機?

手機瀏覽器可用嘅記憶體同 GPU 有限,載入 1.2 GB 模型好易閃退,就算載到都會好慢同發熱。用電腦試先有代表性嘅體驗。

可唔可以加自訂詞彙(hotwords)?

模型支援 hotword context biasing,而且唔會亂寫冇講過嘅詞(parrot rate 0%)。網頁版暫時未開放,可以用 Python 或者 llama-server 試,詳情睇 GitHub。