标签 ：
语音识别 ASRHugging Face Trending月度榜单流式 ASR端侧模型榜单口径 ：Hugging Face「语音识别（automatic-speech-recognition）」分类 Trending 榜。
排名与热度分取自 2026-10-08 快照（经 hf-mirror 镜像查询，排序指标为官方
trendingScore，滚动窗口，主要反映 9 月发布动能）；9 月下旬的榜单位置来自公开报道。9 月当月新发布的模型共 6 款，占据前十的六席------这份榜单基本就是"9 月语音模型爆发月"的成绩单。一句话先看结论 ：9 月的主线是流式竞赛被 R2T2 点燃、端侧轻量化在月末接管榜单；9 月底 R2T2 已从榜首回落至第 8，榜首换成两款端侧模型------热度榜看的是"新"，存量王座（下载量）仍握在 Whisper 和 pyannote 手里。
一、榜单总览
| 排名 | 模型 | 发布方 | 发布/创建时间 | 热度分 | 30 天下载 | 一句话定位 |
|---|---|---|---|---|---|---|
| 1 | Cactus-Compute/whistle 🆕 | Cactus Compute | 2026-09-30 | 136 | 2,249 | 16.9MB 单文件端侧 STT，跑在手机/手表/机器人/单片机上 |
| 2 | FermionResearch/Phonon-2 🆕 | Fermion Research | 2026-09-28 | 133 | 3,750 | "900MB 以下最准的英文开源 ASR"，苹果 MLX 端侧 |
| 3 | pyannote/speaker-diarization-community-1 | pyannote | 2025-04-15 | 106 | 555 万 | 说话人分离社区版，ASR 管线的"谁在说"那一半 |
| 4 | moondream/parakeet-redux 🆕 | Moondream | 2026-09-18 | 78 | 12,689 | 1.58 比特三值量化 Parakeet，178MB、纯 CPU 113 倍实时 |
| 5 | pyannote/speaker-diarization-3.1 | pyannote | 2023-11-16 | 71 | 715 万 | 老牌说话人分离标准版，榜内下载量第一 |
| 6 | Edge0/Audio8-ASR-Infinite 🆕 | Edge0 | 2026-09-21 | 36 | 40,496 | 原生流式 ASR，规格贴着 R2T2 打，主打 7×24 不漂移 |
| 7 | openai/whisper-large-v3 | OpenAI | 2023-11-07 | 27 | 399 万 | 离线转写老王者，6,574 赞全榜最高 |
| 8 | netease-youdao/Confucius4-R2T2 🆕 | 网易有道 | 2026-09-10（GitHub 09-08） | 27 | 19,627 | 真流式 append-only，9 月中旬曾登顶本榜第一 |
| 9 | nvidia/nemotron-3.5-asr-streaming-0.6b | NVIDIA | 2026-05-15（09-10 更新） | 24 | 129 万 | 英伟达 0.6B 流式 ASR，缓存感知解码，企业侧存量最大 |
| 10 | moondream/parakeet-ultra 🆕 | Moondream | 2026-09-22 | 22 | 10,365 | Parakeet 全精度再训练版，五项基准全面超越原版 |
🆕 = 2026 年 9 月当月新发布。
两个榜中榜 ：这是"热度榜"不是"存量榜"。按 30 天下载量重排，冠军是 pyannote-3.1（715 万）、亚军 pyannote-community-1（555 万）、季军 Whisper-large-v3（399 万）------生产环境的刚需三件套；热度榜前三名下载量全部不到 4,000。Trending 榜度量的是"新动能"，下载榜度量的是"基本盘"，两榜几乎零重叠，这本身就是 9 月最重要的信号：新故事在别处。
二、Top 10 模型概要
① 9 月流式新势力（2 席）
netease-youdao/Confucius4-R2T2（第 8，9 月中旬曾列第 1）
约 2B 参数，基于 Qwen3-ASR-1.7B 底座。核心卖点是真流式 + 落子无悔（append-only） ：已吐出的字永不回改，chunk 粒度 80ms～2s 可调，平均延迟 200～600ms。发布 5 天即与姊妹模型 T3PO（流式翻译）双双登顶 HF 语音识别、翻译两张 Trending 榜，把 Whisper-large-v3 挤到第六、Nemotron 挤到第八（智点AGI 报道）。截至 10-08：热度分 27 与 Whisper 打平、按次级排序列第 8，30 天下载 1.96 万、527 赞。详细解读见模型篇-R2T2 流式语音识别深度解读。
Edge0/Audio8-ASR-Infinite（第 6）
9 月 21 日发布，是 R2T2 最直接的"贴身跟随者"：原生流式、可选音频时钟 80/120/160ms（R2T2 是 80ms～2s）、转写延迟 240～560ms（R2T2 是 200～600ms），支持中英双语；差异化卖点是无限长音频 7×24 转写不漂移（配自适配 vLLM 构建）。2,430 赞在流式类里相当能打。它证明 R2T2 验证过的"低延迟流式 + 小 chunk"路线已被社区快速跟进。
② 9 月端侧新势力（4 席，全部 9 月 18 日后发布）
moondream/parakeet-redux（第 4，09-18） ：把英伟达 parakeet-tdt-0.6b-v3 的编码器权重压成 1.58 比特三值（每个权重只有 -1/0/+1） ，178MB（原版 1.2GB）、8 核 x86 CPU 上 113 倍实时。精度几乎不掉：英文 Open ASR 七项 6.55 vs 原版 6.26，FLEURS 25 语种 10.56 反超原版 11.62，TED 长音频 2.51 也反超。量化不是为了省一点显存，而是把 ASR 彻底带离 GPU。
moondream/parakeet-ultra（第 10，09-22）：redux 的同架构全精度兄弟版，面向 GPU，五项基准全面超越原版（Open ASR 5.80、FLEURS 9.55、噪声 5.82、TED 长音频 1.94）。Moondream 一对组合拳同时卡住 CPU 和 GPU 两个生态位。
FermionResearch/Phonon-2（第 2，09-28）：parakeet-tdt-0.6b-v3 的 MLX 量化版（量化感知训练），自称"900MB 以下最准的英文开源 ASR"，为 Apple Silicon 原生优化。Parakeet 系又一次社区衍生。
Cactus-Compute/whistle（第 1，09-30） ：月末压轴登场即冲顶。单文件 16.9MB 、零依赖、无 GPU，与 Cactus 自家 Needle 端侧运行时同一容器同一量化，目标设备是手机、可穿戴、机器人、智能家居、车机甚至单片机；支持英德法西意荷波 7 语。名字 whistle（口哨）就是冲着 Whisper 来的。热度分 136 断层领先，是 10 月初榜单最凶的动能。
端侧四模型的共同底座 ：redux、ultra、Phonon-2 全部衍生自英伟达 parakeet-tdt-0.6b-v3 。英伟达 5 月放出 0.6B 底座，9 月被社区用量化与再训练"薅"出了三条衍生线------本榜前十里有 4 个席位与 Parakeet/Nemotron 家族相关（含 NVIDIA 自家的流式版）。开源语音的"底座效应"第一次这么明显。
③ 存量老将（3 席）
openai/whisper-large-v3（第 7）：2023 年 11 月的老模型，三年不更新（最后改动 2024-08），仍坐 399 万月下载、6,574 赞。它的角色已从"前沿"变成"离线转写的默认选项"------类似语音界的 ResNet。
pyannote/speaker-diarization-3.1（第 5）与 community-1（第 3）：说话人分离（谁在什么时候说话）不是"转写"，但它是所有会议转写管线的另一半。两版合计月下载 1,270 万，是榜单里真正的生产刚需。community-1 是 2025 年 4 月的社区扩展版。
④ 英伟达企业线（1 席）
nvidia/nemotron-3.5-asr-streaming-0.6b（第 9） ：5 月发布、9 月 10 日（R2T2 上架 HF 当天）更新，缓存感知流式解码，GGUF 格式，129 万月下载------服务端流式 ASR 的企业默认选择之一。它既是 R2T2 的对手，也是 Parakeet 衍生潮的"源头家族"。
三、9 月时间线：一个月打完三波
| 时间 | 事件 | 意义 |
|---|---|---|
| 09-08 | R2T2 GitHub 仓库创建 | 流式竞赛发令枪 |
| 09-10 | R2T2 权重上架 HF；Nemotron 流式版同日更新 | 双雄同日动作，时间点微妙 |
| 09-13 前后 | R2T2 + T3PO 发布 5 天双双登顶 Trending（语音识别/翻译两榜） | 中国团队模型首次在该榜双冠（Whisper 被挤至第 6、Nemotron 第 8） |
| 09-17 | R2T2 仓库持续更新（vLLM/llama.cpp 后端、基准表完善） | 开源首周口碑兑现：audio.cpp 移植、HF 官方 Demo |
| 09-18 | Moondream 发布 parakeet-redux（1.58bit/178MB） | 端侧浪潮第一枪 |
| 09-21 | Edge0 发布 Audio8-ASR-Infinite | 流式赛道出现第二个玩家，规格对齐 R2T2 |
| 09-22 | Moondream 发布 parakeet-ultra | CPU/GPU 双卡位完成 |
| 09-28 | Phonon-2 发布（MLX/Apple Silicon） | 端侧第三条线：Mac 原生 |
| 09-30 | Cactus 发布 whistle（16.9MB/单片机） | 端侧极限压缩收官，10-08 仍居榜首 |
节奏非常清楚：上旬流式（服务端）→ 中旬量化（CPU）→ 下旬端侧（全设备），三波接力，每波间隔约一周。
四、发展趋势研判
趋势一：流式 ASR 从"能力"变成"赛道"。 R2T2 之前，流式基本是商业 API 的私有领地；9 月内开源社区连出两张牌（R2T2、Audio8），规格高度趋同（80～160ms 时钟、200～600ms 延迟、中英双语）。下一阶段的分水岭将是 append-only 稳定输出 （R2T2 独有）与长音频不漂移（Audio8 卖点）之争------前者决定下游 Agent 敢不敢实时消费，后者决定直播/客服敢不敢 7×24 挂机。选型时这比 WER 差零点几个点重要得多。
趋势二：端侧化不是噱头，是 9 月真正的主题。 榜单前二（whistle、Phonon-2）加上 parakeet-redux，全部为 9 月 18 日后发布、全部无需 GPU、覆盖从单片机（16.9MB）到 Mac（<900MB）的全谱系。配合量化技术从 INT8 走到三值（1.58bit）而 FLEURS 多语精度反而反超原版，"小模型 + 极限量化的底座再利用"已被验证为一条可复制路径。
趋势三：Parakeet 成为开源 ASR 的"底座母机"。 前十中 3 个席位是 parakeet-tdt-0.6b-v3 的社区衍生（量化/再训练），加上 NVIDIA 自家流式版共 4 席。类似 LLM 界的 Llama 现象：一个 0.6B、架构开放、许可证友好的中庸底座，比一个更大更强的封闭模型更能催生生态。对模型厂商的启示：放一个好微调的中小底座，社区会替你把生态做完。
趋势四：Trending 榜的"月抛性"再次应验。 R2T2 从 9 月中旬登顶到 10 月初回落第 8，只用了约三周；榜首被发布仅 8 天的 whistle 接管。这轮回落不等于失败------R2T2 留下的是范式（append-only 流式）和被验证的赛道，whistle 接过的是"更快落地"的旗。看月榜要看"谁开启了话题、谁收割了话题"，单点排名是噪音。
趋势五：下载量与热度分揭示两张市场。 存量市场（企业生产：pyannote 1,270 万 + Whisper 399 万 + Nemotron 129 万）追求稳定、多语、许可证干净；增量市场（开发者尝鲜：前二名下载均不足 4,000）追求新范式、新硬件、新场景。9 月所有新故事都发生在增量市场，存量市场一张老脸------这意味着谁先把新范式卖进存量市场，谁拿下下一轮。
五、怎么看这份榜（方法论备注）
trendingScore是 HF 官方 Trending 排序指标，基于近期下载/点赞增速的滚动窗口，不反映绝对性能------登榜模型里 WER 从 2% 到 35% 都有；- 榜单为"语音识别"单分类；说话人分离（pyannote）混在 ASR 分类里属管线近亲，严格对比时应剔除；
- 9 月下旬具体名次（R2T2 第 1 / Whisper 第 6 / Nemotron 第 8）来自有道官方发布与媒体报道口径，非可复核快照；本文其余数字均可经 HF API 复核（查询日 2026-10-08）；
- 建议跟踪三个信号判断 10 月走势：① whistle 能否守住榜首过两周（端侧热度是真需求还是新鲜感）；② R2T2/T3PO 的中文长音频独立评测何时出现（流式范式能否兑现口碑）；③ Whisper/Nemotron 是否被迫放出新一代流式或端侧版本（存量巨头跟进才是赛道成立的终局信号）。
一句话总结 ：9 月的 Hugging Face 语音榜讲了三幕剧------R2T2 上旬点燃流式、Moondream 中旬引爆量化、whistle 月末把 ASR 塞进 16.9MB；老将靠下载守住存量，新势力靠热度定义方向，10 月看端侧能否续航、流式能否落地。
资料来源
- 榜单与模型数据：Hugging Face API（
sort=trendingScore，ASR 分类，2026-10-08 经 hf-mirror.com 镜像查询），各模型卡 README（whistle / Phonon-2 / parakeet-redux / parakeet-ultra / Audio8-ASR-Infinite / Confucius4-R2T2） - 9 月中旬榜单位置：智点AGI《网易开源语音识别R2T2，5天登顶全球榜》（2026-09-30）：https://mp.weixin.qq.com/s/avj1gCOCktaCstfzDCcb7w
- R2T2 细节：官方仓库 https://github.com/netease-youdao/Confucius4-R2T2 及本库 模型篇-R2T2流式语音识别深度解读
- Moondream 发布说明：https://moondream.ai/blog/introducing-parakeet-redux-and-ultra