Haas-ja-v1.0-GGUF

Haas-ja-v1.0-GGUF

日语语音识别模型的 GGUF 文件，只能在 speech.cpp 中运行，支持 macOS、Windows、Linux，也可只用 CPU。适合在自己电脑上转写日语音频的人。

由 sakasegawa 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：这个仓库存放 Haas-ja-v1.0 的 GGUF 副本。它是 Third Intelligence 推出的日语语音识别模型，有 616M 参数。它是一个 FastConformer 识别器，解码器使用 Kimi Delta Attention 层。文件采用 speech.cpp 自己的格式，所以只能在 speech.cpp 0.9.4 或更高版本中运行，不能用 llama.cpp、LM Studio 或 Ollama。

适合谁：想在自己的机器上把日语语音转成文字的人，以及想要带命令行和 HTTP 服务器的本地识别器的开发者。

行业 | 谁在用 | 怎么用 | 例子
会议与笔记 | 有日语录音的团队 | 在本地转写音频，长文件配合语音检测 | 保存为 WAV 文件的会议录音
软件开发 | 给应用加语音转文字的开发者 | 运行本地服务器并调用它的 HTTP API | 在自己机器上的转写接口
语言研究 | 研究日语语音识别的人 | 在 CPU 上试用多种文件大小 | 用同一段音频比较较小和较大的文件

如果你需要其他语言，或者想在 speech.cpp 以外的工具里加载这些文件，可以跳过它。

用在哪里：

• macOS 上使用 Metal 的 speech.cpp 0.9.4 或更高版本
• Windows 和 Linux 上使用 Vulkan 的 speech.cpp
• 只用 CPU 的 speech.cpp，不需要 NVIDIA GPU
• 用 speech serve 命令启动的本地服务器

用途 | 适合谁 | 得到什么
转写短音频 | 有 WAV 文件的人 | 识别出的日语文字
转写长录音 | 做笔记的人 | 有人说话那几段的文字
识别特殊词汇 | 有人名或行话的人 | 自定义词更容易以你的写法出现

如何设置：你得先装好 speech.cpp，因为别的工具读不了这些文件。之后第一次运行时，speech 命令会从这个仓库获取模型文件。

• 按它自己的说明安装好的 speech.cpp 0.9.4 或更高版本
• 足够存放所选文件类型的磁盘空间

1. 安装 speech.cpp。
2. 带上模型名运行下一节中的任意命令。
3. 第一次运行时让它获取 Q8_0 文件，或指定其他类型。

如果你想自己拿到仓库里的文件，Hugging Face 给出这些步骤：

pip install -U huggingface_hub
hf download sakasegawa/Haas-ja-v1.0-GGUF

如何使用：你带上模型名和音频文件运行 speech 命令。你也可以给出已下载文件的路径。想选 Q8_0 以外的类型，就在名称后面加冒号和类型，比如 q4_k。

speech asr haas-ja-v1.0 utterance.wav
speech asr haas-ja-v1.0 --timestamps utterance.wav
speech asr haas-ja-v1.0 --vad silero-vad meeting.wav
speech asr haas-ja-v1.0 --keywords $'Haas=ハース\nAIモデル' utterance.wav
speech serve haas-ja-v1.0 --open

工具 | 作用
speech asr | 用这个模型转写音频文件
--timestamps | 在输出中加上时间
--vad silero-vad | 只识别有人说话的部分，适合超过约 30 秒的录音
--keywords | 提高自定义词出现的概率，一行一个，等号后可带读音
speech serve | 启动带 HTTP API 的本地服务器

示例：你对 meeting.wav 运行识别器，并打开语音检测。模型会返回有人说话那几段的日语文字。加上关键词后，它会偏向你列出的名称，不过这样运行返回的文字不带时间。

新手与专家：如果你是新手，先装好 speech.cpp，对一段短 WAV 文件运行第一条命令。先看返回的文字，再去试关键词或服务器。

对专家来说，这个模型是带 TDT 解码器的 FastConformer 编码器，解码器的预测网络使用 Kimi Delta Attention 层。它像 NeMo 默认那样贪心解码。解码时会偏向关键词，权重默认为 2，可以自己改，带关键词的运行会解码两次。较小的文件类型省空间，通常也没那么准，不过模型卡没有给出准确率数字。

输入音频文件
speech.cpp 获取 GGUF 文件
FastConformer 编码器，TDT 解码器
输出日语文字

注意事项：

Title: 各类型文件大小，单位 GB
F16: 1.23 GB
Q8_0: 0.66 GB
Q6_K: 0.51 GB
Q5_K: 0.43 GB
Q4_K: 0.35 GB

• Runtime: 只有 speech.cpp 0.9.4 或更高版本能读这些文件
• Older version: speech.cpp 0.9.3 获取的是更早的修订版，没有自定义词汇设置
• Language: 只支持日语
• License: Apache 2.0
• Cost to run: 没有提到
• Data it reaches: 你交给它的音频文件，以及首次使用时下载的模型文件
• Not for: llama.cpp、LM Studio、Ollama 或其他读取 GGUF 的程序

Hugging Face 上的数据（2026年11月13日）

• 任务：automatic speech recognition
• 参数量：616M
• Weights: about 308 MB at 4-bit (estimate)
• Formats: GGUF
• 最近 30 天下载：5,149
• 点赞：7
• 许可证：apache-2.0
• 语言：ja
• 基于：third-intelligence/Haas-ja-v1.0
• 标签：gguf, ggml, speech.cpp, fastconformer, automatic-speech-recognition

链接

• 模型：https://huggingface.co/sakasegawa/Haas-ja-v1.0-GGUF
• 文件：https://huggingface.co/sakasegawa/Haas-ja-v1.0-GGUF/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download sakasegawa/Haas-ja-v1.0-GGUF

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。