Earlybird 语音转文字是一个只有 29M 参数、17MB 的预测式语音转文字模型：它不等你说完一个词就提前把它写出来，让语音助手感觉像“秒回”。
是什么
这里说的 Earlybird 语音转文字，特指 2026 年 11 月 10 日由 Sahil Mahendrakar 在 Product Hunt 上发布、并同步发表论文《Earlybird: Predictive Streaming Speech Recognition in 29M Parameters》（arXiv:2611.14421）的那个 29M 参数模型——中文名“Earlybird”撞名严重，市面上有同名的邮件、日程等产品，认准“语音转文字、29M 参数”这个限定词才不会找错。它是一个流式语音识别模型，基于 Moonshine 流式 Tiny 模型精简词表而来，砍到 29M 参数、4-bit 版本只有 16.8MB。它和普通语音转文字最大的不同是“预测”：普通模型要等一个词说完、再过 90 到 400 毫秒才输出，Earlybird 语音转文字在听到词的前半部分时就预测后半部分，提前输出，并给出每个词的置信度。
能干什么
它解决的是语音助手和实时字幕里最磨人的延迟问题。你对语音助手说“帮我订明天去上海的机票”，普通模型要等你每个词都说完才开始转写，助手再理解、再行动，整个过程总慢半拍；Earlybird 语音转文字在你还没说完时就已经把词预测出来，助手可以提前开始准备，体感上就像对方在“抢答”。按论文数据，在干净的有声书语音上，它预测正确的中位时间比词说完提前约 90 毫秒，而已发布的其他流式模型要晚 90 到 400 毫秒；在同一批有声书上，69% 的词是在说完之前就被正确预测出来的，其他模型只有 3% 到 25%。它在 6 个计时测试集上都是最早的，在 8 个英文 Open ASR Leaderboard 测试集上，准确率全面超过同量级的 Moonshine Tiny，大致打平同等大小的 Whistle 模型。
免费还是付费
免费，$0，没有订阅、没有账号、没有按分钟计费，权重和代码都开源。
| 项目 | 价格 | 说明 |
|---|---|---|
| Earlybird 语音转文字模型 | $0 | 开源权重 + 开源代码，免费下载使用 |
| 运行成本 | $0 | 17MB，可在普通 CPU 本地跑，不用显卡、不用云端 |
| 商业使用 | 以开源许可为准 | 论文称其源自 MIT 许可的 Moonshine 模型，具体许可请以仓库为准 |
需要提醒的是：它目前只是一个模型，不是一个开箱即用的 App，没有“下载安装、点开始录音就能用”的成品；你要用它，得自己或等开发者把它集成进应用。它目前仅支持英语，作者称其他语言在计划中，但还没上线，中文语音现在不能用。
怎么用
- 打开 Product Hunt 上的 Earlybird 语音转文字发布页（产品名后带 -5 的那个页面），从发布页跟随链接找到代码仓库和权重下载地址；同时打开 arXiv 论文页（arXiv:2611.14421）对照参数和用法。
- 按仓库说明下载 16.8MB 的 4-bit 权重和配套的配置文件，准备一段英文音频做测试——先用干净的有声书或 TED 演讲片段，别一上来就用带噪音的会议录音。
- 如果你是在开发语音助手，把它接在语音输入和大模型之间：用它提前输出的词和置信度，让助手提前准备回答，但关键动作（如下单、发邮件）一定要等整句确认、置信度达标后再执行，别被一次预测错误带偏。
- 只是想体验、不想搭环境的用户，建议先等有开发者把它做成带界面的应用后再试，现在直接用更适合开发者和技术爱好者。
国内使用注意
Earlybird 语音转文字的 Product Hunt、arXiv、GitHub 这类页面在国内一般需要 VPN 才能稳定打开，权重下载也一样，建议在网络通畅的环境下一次性下好。它目前仅支持英语，对中文会议、中文语音助手没有直接帮助，中文用户如果要的是“中文实时转写”，直接用讯飞听见、飞书妙记这类国内工具更实际：它们支持中文、能出时间戳和纪要，虽然不是“提前预测”这种技术路线，但胜在开箱即用。它的价值更多在技术层面：如果你在开发英文语音助手、实时字幕或低延迟语音交互产品，它是一个免费、够小、够快的现成选择；如果你只是想找个转写工具，别被“提前 90 毫秒”这个卖点带偏，先确认它支持的语言和你的使用场景对不对得上。