热点事件持续更新

Arm 工程师讲解用 ExecuTorch 优化流式语音识别

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Arm 工程师发布案例研究，讲解如何用 ExecuTorch 在 Arm 边缘设备上优化流式语音识别（ASR）的精度与延迟。案例将 PyTorch 的多语言流式 ASR 模型 Nemotron 3.5（RNN-T 架构）通过 ExecuTorch 部署到 Google Pixel 11，并对设备端执行进行性能剖析。评测在单推理线程、1120 ms chunk 的条件下进行，衡量指标为精度与延迟。

AI 根据报道生成 · 4 小时前更新

最新进展10月27日 02:27

在 Arm 边缘设备上用 ExecuTorch 优化流式语音识别

报道时间线

沿着报道，了解事件的不同侧面。

10月27日

02:27
PyTorch Blog
在 Arm 边缘设备上用 ExecuTorch 优化流式语音识别
PyTorch 团队将多语言流式 ASR 模型 Nemotron 3.5（RNN-T 架构）通过 ExecuTorch 部署到 Google Pixel 11，在单推理线程、1120 ms chunk 下评测精度与延迟。

本事件热度走势

可比范围当前: 9
可比范围峰值: 1010月27日 03:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。