Conway Research 推出 Underdog-Bark-3.0 轻量级离线语音识别模型163MB 体积、WER 低至 7.82%，全面支撑本地隐私转录

Conway Research 正式发布 Underdog-Bark-3.0 端侧离线语音识别模型，这款模型仅 163MB 存储空间占用，在英文会议测试集下字错误率（WER）仅 7.82%，可全程在笔记本、移动端设备本地离线完成音频转录，音频文件全程不上传云端服务器，从底层满足政企办公、私密会议、个人录音等场景的数据隐私合规要求，实现高性能识别与数据安全双向兼顾。当前绝大多数高精度语音识别模型体积庞大，Whisper large-v3 体积达到 Bark-3.0 的 57 倍，NVIDIA Parakeet 模型体积也达到它的 15 倍，大模型只能部署在云端服务器，不仅带来网络延迟，还会产生音频数据外泄风险；而传统小体积端侧模型又普遍存在识别准确率不足、口语纠错能力弱的短板。Underdog-Bark-3.0 通过模型剪枝、量化压缩、声学模型微调三大技术路径，在大幅压缩模型体积的同时守住识别精度，打破了端侧 ASR 模型 “体积小 = 准确率低” 的行业固有矛盾，让离线本地高精度语音转录具备规模化落地条件。

一、Underdog-Bark-3.0 核心技术参数清单

1. 模型基础规格

• 模型文件体积：163MB，无需 GPU，仅依靠 CPU 即可完成本地推理；
• 核心指标：AMI 英文会议数据集 WER=7.82%；
• 推理速度：MacBook Pro 设备下，5 分钟音频仅需 0.5 秒完成批量离线转录，处理速度达到 240 倍实时速度；
• 开源协议：CC-BY 4.0 开源许可，权重文件已在 Hugging Face 公开，支持二次开发与商业部署。

1. 内置文本净化能力 Clean 版本自带口语过滤模块，自动剔除 um、uh 等语气口头禅、语句重复、口误内容，直接输出通顺干净的会议文稿，省去人工二次校对的工作量。

二、模型性能横向对比表（AMI 会议数据集）

表格

三、三大核心技术实现路径

1. 模型轻量化工程 基于 Fast Conformer 编码器 + TDT 解码器技术链路，采用 8 位量化 + 结构化剪枝，剔除冗余网络参数，在保留声学特征提取能力的前提下，把模型体积压缩至 163MB，适配笔记本、平板、手机等终端设备本地部署，不占用大量磁盘与内存资源。
2. 会议场景专项微调 采用真实多人对话会议音频做专项训练，优化多人交替发言、语句停顿、即兴口语的识别效果，专门解决会议录音中普遍存在的断句混乱、口语冗余问题，贴合商务会议转录的实际需求。
3. 全链路离线隐私保障 整个音频解码、声学特征提取、文字转写全过程完全在本地设备完成，不调用网络接口、不上传任何原始音频与文本结果；模型运行不依赖外网，断网环境下依然可以稳定工作，彻底规避涉密会议、企业内部谈话的数据泄露风险。

四、落地应用场景划分

1. 企业办公场景：内部涉密会议、项目研讨录音离线转写，全程数据不外流，满足等保合规要求；
2. 个人生产力场景：线下访谈、网课录音本地文字整理，无需把音频上传第三方云平台；
3. 移动端嵌入式场景：搭载到笔记本、平板、智能录音笔，实现无网络环境下的实时语音转文字；
4. 内容生产场景：自动净化口语冗余，一键输出精简文稿，大幅降低文稿整理人力成本。

【相关 FAQ】

问题 1：Conway Research 发布的 Underdog-Bark-3.0 离线语音识别模型，体积 163MB，WER 指标达到多少？

回答 1：Conway Research 发布的 Underdog-Bark-3.0 离线语音识别模型，模型大小仅 163MB，在 AMI 英文会议测试场景下字错误率 WER 仅 7.82%，优于体积大 15 倍的 NVIDIA Parakeet 与大 57 倍的 Whisper large-v3 模型，兼顾轻量化与识别精度。

问题 2：Underdog-Bark-3.0 支持本地隐私转录，它是如何保障音频数据不向外泄露的？

回答 2：Underdog-Bark-3.0 实现全链路本地离线推理，音频解码、特征提取、语音转文字全部在终端设备内运行，全程不联网、不向云端服务器上传原始音频与转录文本；断网环境下模型依旧可以正常运行，从技术链路实现本地隐私转录，杜绝数据外泄风险。

问题 3：Underdog-Bark-3.0 作为轻量级离线语音识别模型，除基础转写之外还有哪些附加功能？

回答 3：Underdog-Bark-3.0 内置 Clean 文本净化模块，能够自动识别并过滤口语口头禅、重复语句、临场口误，直接输出通顺精简的文稿；同时模型遵循 CC-BY 4.0 开源协议，开发者可以自由下载权重做二次定制开发，适配会议录音、离线访谈等多种端侧业务场景。

【数据来源】

[2026-10-21]（小身材大表现：开源语音模型 Bark 3.0 发布）微博（爱可可 - 爱生活）

[2026-10-21]（Underdog releases a 163 MB speech model built from NVIDIA's Parakeet）RuntimeWire

[2026-10-21]（Conway Research 推出 Underdog-Bark-3.0 端侧 ASR）Hugging Face 官方资讯

[2026-10-21]（Underdog-Bark-3.0 技术白皮书）underdog.ai

免责声明

本文内容全部来自模型官方公开测试数据与开源发布资料，测试 WER 仅基于 AMI 英文会议数据集，不同口音、噪声环境下识别效果会存在差异；模型本地离线运行效果取决于设备硬件性能；本文仅为技术资讯介绍，不构成模型选型、商业部署的技术决策建议；开源使用需严格遵守 CC-BY 4.0 协议条款。