---
title: UG_ASR-V1.4
canonical_url: "https://www.modelscope.cn/models/RUHSI520/UG_ASR-V1.4"
md_url: "https://www.modelscope.cn/models/RUHSI520/UG_ASR-V1.4.md"
repository: RUHSI520/UG_ASR-V1.4
chinese_name: "UG_ASR-V1.4 维吾尔语语音识别"
last_updated: 2026-11-18
license: apache-2.0
pipeline_tag: auto-speech-recognition
tasks:
  - auto-speech-recognition
library_name:
  - gguf
  - pytorch
frameworks:
  - PyTorch
language:
  - ug
downloads: 57
stars: 1
tags:
  - gguf
  - ctc
  - conformer
  - speech-recognition
  - "维语"
  - ASR
  - UYGUR
  - uygur
---

# UG_ASR-V1.4

> UG_ASR-V1.4 - RUHSI520 在 ModelScope 开源的模型。面向维吾尔语的离线语音识别：FastConformer + CTC（170.7M 参数），提供 Q8_0 / Q4_0 / F16 三档 GGUF 量化权重，含 Windows / Linux / Android 运行库、命令行工具、C 接口与 Web 服务端。

RUHSI520/UG_ASR-V1.4 是 ModelScope 魔搭社区上的auto-speech-recognition模型，采用 apache-2.0 许可。

- **Repository**: RUHSI520/UG_ASR-V1.4
- **License**: apache-2.0
- **Tasks**: auto-speech-recognition
- **Tags**: gguf, ctc, conformer, speech-recognition, 维语, ASR, UYGUR, uygur
- **Downloads**: 57
- **Stars**: 1
- **Last updated**: 2026-11-18

Source: https://www.modelscope.cn/models/RUHSI520/UG_ASR-V1.4

---

# UG_ASR V1.4 · 维吾尔语语音识别（端侧 GGUF 版）

UG_ASR V1.4 是面向维吾尔语的离线语音识别交付包：FastConformer Encoder（16 层）+ 因果 Decoder（6 层）+ CTC，参数量 **170.7M**，词表 **4617**，提供 **Q8_0 / Q4_0 / F16** 三档 GGUF 量化权重，以及 Windows x64 / Linux x86_64 / Android arm64-v8a 三个平台的调用库与命令行工具，另附一套可直接部署的 Web 服务端。

本仓库只发布**运行产物**（权重、二进制、接口头文件、前端静态资源）与**评测/合规报表**，不包含训练与推理源码。

## 目录结构

```
UG_ASR-V1.4/
├── README.md                    本文件
├── LICENSE                      Apache-2.0
├── NOTICE                       第三方组件与字体声明
├── models/
│   ├── ug_asr_v1.4_q8_0.gguf    Q8_0，140.0 MB（推荐默认）
│   ├── ug_asr_v1.4_q4_0.gguf    Q4_0， 76.7 MB（低存储）
│   ├── ug_asr_v1.4_f16.gguf     F16， 258.6 MB（数值对齐用）
│   ├── vocab_v1_4.json          词表（4617）
│   └── spm_bpe.model            SentencePiece BPE 模型
├── windows-x64/
│   ├── bin/
│   │   ├── ug_asr.dll           推理动态库
│   │   └── ug_asr_cli.exe       命令行工具
│   ├── lib/ug_asr.lib           导入库
│   └── include/ug_asr.h         C/C++ 接口
├── linux-x86_64/
│   ├── bin/
│   │   ├── libug_asr.so         推理动态库（RPATH=$ORIGIN）
│   │   └── ug_asr_cli           命令行工具
│   └── include/ug_asr.h
├── android-arm64-v8a/
│   ├── bin/ug_asr_cli           arm64 命令行
│   ├── libs/
│   │   ├── libug_asr.so
│   │   └── libug_asr_jni.so     JNI 桥接
│   ├── include/ug_asr.h
│   └── java/com/ug/asr/UgAsr.java
├── web_server/
│   ├── config.json              服务配置（端口/配额/三档模型）
│   ├── start.bat                Windows 启动脚本
│   ├── ugasr-web.exe            Windows 网关
│   ├── ugasr-web-linux          Linux 网关
│   ├── ug_asr.dll / ug_asr_cli.exe / ug_asr_cli
│   └── web/                     前端（index / login / admin，含 Noto Naskh Arabic 字体）
└── reports/
    ├── ASR模型对比评测报告.html  三档模型同口径横向评测（n=768）
    └── 开源合规复核报告.html     开源标准逐项复核结论
```

## 平台支持

| 平台 | 推理库 | CLI | C 接口 | Java/JNI | Web 服务端 |
| --- | --- | --- | --- | --- | --- |
| Windows x64 | `ug_asr.dll` | `ug_asr_cli.exe` | `ug_asr.h` + `ug_asr.lib` | — | `ugasr-web.exe` |
| Linux x86_64 | `libug_asr.so` | `ug_asr_cli` | `ug_asr.h` | — | `ugasr-web-linux` |
| Android arm64-v8a | `libug_asr.so` | `ug_asr_cli` | `ug_asr.h` | `UgAsr.java` + `libug_asr_jni.so` | — |

## 快速开始

命令行（Windows）：

```bat
cd windows-x64\bin
ug_asr_cli.exe -m ..\..\models\ug_asr_v1.4_q8_0.gguf -f test.wav -t 4
```

流式（stdin 送帧、stdout 出 JSON）：

```bat
ug_asr_cli.exe -m ..\..\models\ug_asr_v1.4_q8_0.gguf --stream
```

C/C++ 调用见 `include/ug_asr.h`，典型流程：`ug_asr_init` → `ug_asr_set_model` → `ug_asr_transcribe` → `ug_asr_free`。

Web 服务端：

```bat
cd web_server
start.bat
```

默认监听 `0.0.0.0:8088`，前端页面与三档模型路径已配置在 `config.json`。部署到公网前请务必修改默认口令、关闭游客访问并配置 HTTPS。

## 评测摘要（n=768，16 kHz 单声道，共 3539.9 s）

| 模型 | 体积 | CER | 含标点 CER | WER | 整句准确率 | 严重错误率 | RTF | 单条耗时 |
| --- | --- | --- | --- | --- | --- | --- | --- | --- |
| Q8_0 | 140.0 MB | **3.48%** | 6.37% | 11.61% | **50.78%** | 0.39% | **0.0552** | 0.254 s |
| F16 | 258.6 MB | **3.48%** | 6.37% | 11.63% | **50.78%** | 0.39% | 0.0594 | 0.274 s |
| Q4_0 | 76.7 MB | 3.58% | 6.46% | 11.92% | 50.39% | 0.39% | 0.0625 | 0.288 s |

- 测试环境：Windows x64，CPU 4 线程，CTC 贪心解码；音频 `16 kHz / 16 bit / 单声道 WAV`。
- Q8_0 与 F16 的 CER 仅差 0.0025 个百分点（768 条中 8 条输出不同），但 Q8_0 体积只有 F16 的 54%。
- Q4_0 体积最小，但反量化开销使其 RTF 略高于 Q8_0，仅在存储受限时选用。
- 与 V1.4 PyTorch + beam/LM 同口径 macro CER 为 3.82% vs 3.71%（+0.11 pp），端侧量化方案基本无损。

选型建议：**默认 Q8_0**；Android/低存储设备用 Q4_0；F16 仅作数值对齐与回归测试基线，不建议作为面向用户的"高精度版"宣传。

## 输入要求

- 采样率 16000 Hz，16 bit，单声道
- 单条建议 ≤ 300 s（Web 服务端默认上限）
- 模型为纯语音识别，不含标点恢复与 ITN；输出为维吾尔语阿拉伯字母转写

## 已知限制

- 未做 Android 真机 RTF 实测，NEON/dotprod 收益需在目标设备复核。
- Linux 二进制已完成架构校验，但未在目标发行版实跑。
- `README` 与历史文档对"CTC 贪心 CER"存在口径差异，本仓库以 `reports/ASR模型对比评测报告.html` 的 768 条实测为准。

## 许可证

- 代码与模型权重：**Apache License 2.0**，见 [LICENSE](LICENSE)
- 第三方组件（ggml / llama.cpp、SentencePiece、Noto Naskh Arabic 字体）按其原许可分发，见 [NOTICE](NOTICE)

## 合规提示

`reports/开源合规复核报告.html` 的结论为 **NO-GO**：训练数据来源（`MY_DATA`）授权链条尚未闭环。使用者在将本模型用于商业或公开发布场景前，应自行完成数据授权与法律合规评估。

## 引用

```
UG_ASR V1.4: 维吾尔语离线语音识别（FastConformer + CTC, GGUF 量化）
```
