Hacktoberfest 2026：维护者为十月标记出来的 issue，仍然开放、适合新手。 浏览 Hacktoberfest issue

实测发现8B-instruct的asr质量不如4B-instruct的

未关闭
  • 哪里不对？
#22 3 条评论 0 个 reaction 已指派 0 人 在 GitHub 查看

还没有人认领这个 Issue。

评估

难度
4/5
预计耗时
3-5 天
新手友好度
35/100
Issue 类型
缺陷
描述清晰度
需要澄清
活跃度
冷清
技术栈
python
领域
audio-video-rtc, machine-learning

调研方向

未指定任何文件、测试或入口点。首先使用 4B 和 8B 模型重现相同的音频和提示词，然后比较时间戳准确性和句子分段；完成标准是确定该差异是否符合预期，或隔离出一个可复现的模型或推理问题。

由索引模型根据 Issue 内容生成。

描述

如题，我用同一段音频测试，prompt是：请转录这段音频, 输出时带上每个句子的开始和结束时间。上下文关键词有小珺，Manus，OpenClaw，姚顺宇, Meta，Gemini。

4B的输出时间是正确的，分句合理，8B的输出时间都错了，比如

[230.00-235.00]然后你去看那个纸面上的消息, 比如看Sweebench, 你会发现哎好像好的会比不好的可能高一个百分点或者两个百分点, 但其实大家都在80%附近, 那个附近数字高一点低一点, 其实呃是主要是是noise, 就主要是是噪声, 而不是信号, 对。[235.00-240.00]但是从另一方面来说, 大家使用上确实还是能体现出呃区别的, 我觉得呃就我个人了解到的信息而言, 呃Cloud目前仍然是呃比较通用的这种工具使用类的使呃agent表现最好的。[240.00-245.00]然后在纯粹coding的方面, 可能最近呃CodeX稍微追上了一点, 啊就把这个把这个中间的gap变小了一点, 然后呃Gemini可能在纯的reasoning, 然后和一些比较日常的使用环境下, 可能目前还是比较好的, 然后在[245.00-250.00]呃在coding和agent上还处于一个比较在在接近的这个状。[250.00-255.00]

对应4B的输出

[527.37][527.75]现在就是纸面上大家其实都比较相近，然后你去看那个纸面上的消息，比如看swim bench，你会发现哎好像好的会比不好的可能高一个百分点或者两个百分点，但其实大家都在百分之八十附近，那个附近数字高一点低一点其实呃是主要是是noise，就主要是是噪声而不是信号，对。[547.19][547.65]但是从另一方面来说，大家使用上确实还是能体现出呃区别的。[551.65][551.79]我觉得呃就我个人了解到的信息而言，呃Claude目前仍然是呃比较通用的这种工具使用类的使呃agent表现最好的。[564.8][565.18]然后在纯粹coding的方面，可能最近呃CodeX稍微追上了一点啊，就把这个把这个中间的gap变小了一点。[573.48][573.86]然后呃Gemini可能在纯的reasoning，然后和一些比较日常的使用环境下，可能目前还是比较好的。[583.19][583.23]然后在呃在coding和agent上还处于一个比较在在接近的这个状。[588.03]

这个结果正常吗

主要语言
Python
星标
667
派生
45
30 天内没有已合并 PR

环境准备

我们还没有检查这个项目的环境配置文件。先看它的 README，通用步骤见我们的新手贡献指南。

从这里开始

  1. 先读完整个 Issue，再读项目的贡献指南。
  2. 在 Issue 下留言说明你要接手 —— 这能避免两个人做同样的事。
  3. Fork 仓库，在一个分支上完成修改。
  4. 提交 Pull Request，并在描述里引用这个 Issue 编号。

OpenMOSS/MOSS-Audio 的其他 Issue

查看 OpenMOSS/MOSS-Audio 的全部 Issue

相似的 Issue

更多 Python Issue

把新 issue 发到你的邮箱

精选适合新手参与的 GitHub issue 摘要。