PengChengStarling是鹏城实验室开源的一款多语言语音识别系统，支持实时语音识别，边说边识别，只要应用在国际会议录音转文字、多语言视频自动生成字幕、跨语言客服系统场景中使用。
PengChengStarling基于 icefall 项目开发，模型大小仅为 Whisper-Large v3 的 20%，但推理速度却快 7 倍。它支持中文、英语、俄语、越南语、日语、泰语、印尼语和阿拉伯语等 8 种语言，能够在统一框架内处理多种语言的语音输入，大大地提高了语音识别的效率性。
PengChengStarling功能：
模型大小与性能：PengChengStarling 的模型大小仅为 Whisper-Large v3 的 20%，在存储和计算资源上更加高效。
推理速度：PengChengStarling系统的推理速度比 Whisper-Large v3 快 7 倍，能够在更短的时间内处理语音输入，适合实时应用场景。
多语言支持：PengChengStarling 支持多达 8 种语言，包括中文、英语、俄语、越南语、日语、泰语、印尼语和阿拉伯语，能够满足不同用户的需求。
模型架构：采用RNN-T架构，由Encoder、Decoder和Joiner三个模块组成，语音编码器采用Zipformer。
性能提升：相比Whisper-Large v3，PengChengStarling在6个语种上取得了相当或更好的性能，实时因子（RTF）达到0.016，推理速度提升近7倍。
PengChengStarling应用场景：
智能助手：可以集成到智能助手中，实现语音命令的识别和响应。
客户服务：在客户服务中心，利用语音识别技术提高客户咨询的响应速度和准确性。
教育领域：在语言学习和教育应用中，帮助学生进行发音练习和语言交流。
会议记录：在会议中实时转录发言内容，提升会议效率。
多语言翻译：结合翻译系统，实现实时的多语言交流。
PengChengStarling在性能评估中表现出色，特别是在与 Whisper-Large v3 的比较中，PengChengStarling 在六种语言的流式语音识别性能上达到了可比或更优的效果。此外，系统的每种语言训练数据量约为 2000 小时，主要来源于开放数据集，这就为它的多语言支持提供了一个非常坚实的基础。
在实际应用中，PengChengStarling 还可以用于语音识别的自适应技术，根据用户的语音特征进行个性化调整来提高识别准确率。特别在噪声较大的环境中。
Github：https://github.com/yangb05/PengChengStarling
HuggingFace：https://huggingface.co/stdo/PengChengStarling
