Show HN：我训练了一个 9M 语音模型来纠正我的普通话声调
发布: (2026年1月31日 GMT+8 08:51)
1 分钟阅读
原文: Hacker News
Source: Hacker News
Model Overview
我构建它是因为声调毁了我的普通话口语，而且我无法可靠地听出自己的错误。
它是一个 9M Conformer‑CTC 模型，使用约 300 h（AISHELL + Primewords）进行训练，量化为 INT8（11 MB），并通过 ONNX Runtime Web 在 100 % in‑browser 环境下运行。
该模型使用 Viterbi 强制算法，对每个音节的发音 + 声调 进行评分。