OWSM v4

OWSM v4

用 Gradio 演示页在浏览器里对你给的音频运行 OWSM v4 开源语音模型，适合想试用或对比语音模型的人。

由 espnet 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：这个 Space 是 OWSM v4 的浏览器演示，OWSM v4 是 ESPnet 团队做的开源 Whisper 风格语音模型。它用名为 espnet/owsm_v4_medium_1B 的模型处理你给的音频，让你在基于它开发之前先试一试。同一个演示在新地址也有一份，这个旧地址因为还有其他页面链接而保留。

适合谁：适合想用自己的音频看看开源语音模型表现的语音研究者、学生和开发者，也适合想把两个模型放在一起对比的人。

行业 | 使用者 | 使用方式 | 例子
研究 | 语音研究者 | 在用于研究之前，先用自己的录音试试这个模型 | 在这里跑一段录音，再用仅编码器的兄弟版本跑一遍做对比
教育 | 语音技术的学生 | 不用任何设置就能看到开源模型的运行 | 打开 Space 页面，给它一小段音频
软件 | 开发者 | 在接入应用之前先看看模型会做什么 | 用 python app.py 运行本地副本

如果你需要的是日常可用的成品服务，可以跳过它，因为这只是一个演示。

用在哪里：这个演示可以在这些地方运行：

• 网页浏览器：打开 Hugging Face 上的 Space 页面，直接使用。
• Windows、macOS 或 Linux：用 Python 3.12 在自己的电脑上运行一份副本。

Use case | Who | What they get back
在线试用模型 | 对开源语音模型好奇的人 | 模型对他们所给音频的输出
对比两个模型 | 研究者 | 用同一段音频分别跑这个演示和仅编码器的兄弟版本
本地运行 | 开发者 | 在自己的电脑上运行同一个 Gradio 演示

如何设置：先准备好这几样：

• Python 3.12
• huggingface_hub 包，第一条命令会安装它
• requirements.txt 里列出的包

步骤很短。先安装 Hugging Face 工具，再把 Space 下载到一个文件夹，进入文件夹，安装 Space 使用的 Gradio 版本，装好其他包，然后启动应用。

1. 安装 Hugging Face 包。
2. 把 Space 下载到名为 OWSM_V4_Demo 的文件夹。
3. 进入这个文件夹。
4. 安装 Gradio 6.27.0。
5. 安装 requirements.txt 里的包。
6. 启动应用。

pip install -U huggingface_hub
hf download espnet/OWSM_V4_Demo --repo-type space --local-dir OWSM_V4_Demo
cd OWSM_V4_Demo
pip install gradio==6.27.0
pip install -r requirements.txt
python app.py

如何使用：打开 Hugging Face 上的 Space 页面，或者用上面的最后一条命令启动本地副本。Gradio 会显示一个网页，你在上面把要处理的音频交给演示。

python app.py

Tool | What it does
hf download | 把 Space 的文件复制到你电脑上的文件夹
python app.py | 在你自己的电脑上启动演示

示例：你打开 Space，给它一小段录音，看 OWSM v4 模型为它生成什么。然后把同一段录音交给仅编码器的兄弟 Space，看两个模型有什么不同。

新手与专家：如果你刚接触语音模型，先打开 Space 页面试一小段录音。这一步不用安装任何东西。只有想修改或研究这个演示时，本地副本的设置才值得做。

如果你熟悉这个领域：这个演示使用的是模型 espnet/owsm_v4_medium_1B，项目的 INTERSPEECH 论文讲的是通过扩大数据和清洗数据来改进开源 Whisper 风格模型。它的兄弟版本使用带 CTC 的仅编码器模型，任务相同。演示代码的修改在 ESPnet 仓库里进行，再发布到两个 Space。

你打开 Space 或运行 python app.py
Gradio 页面接收你的音频
OWSM v4 模型处理音频
结果显示在页面上

注意事项：卡片没有列出支持的语言、音频格式或长度限制。

• License: apache-2，按 Space 所列。
• Cost to run: 未提及。托管的 Space 运行在 Hugging Face 的 zero-a10g 类型硬件上。
• Data it reaches: 你给它的音频。本地副本还会从 Hugging Face 下载 Space 的文件。
• Not for: 在这里修改演示。卡片说明修改应在 ESPnet 仓库里做，而不是在这个 Space 里。

Hugging Face 上的数据（2026年11月13日）

• 点赞：12
• 构建方式：gradio
• 许可证：apache-2.0

链接

• Space：https://huggingface.co/spaces/espnet/OWSM_V4_Demo
• 文件：https://huggingface.co/spaces/espnet/OWSM_V4_Demo/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。