Dolphin模型选型指南：base、small、medium、large怎么选最适合你？

Dolphin模型选型指南：base、small、medium、large怎么选最适合你？

【免费下载链接】DolphinDolphin is a multilingual, multitask ASR model jointly trained by DataoceanAI and Tsinghua University.项目地址: https://gitcode.com/gh_mirrors/dolphin22/Dolphin

Dolphin 是由 DataoceanAI 与清华大学联合训练的开源多语言多任务ASR语音识别模型，支持 40 种东方语言与 22 种中文方言，可同时完成语音识别、VAD 端点检测、语音分段和语种识别。面对Dolphin模型选型这个新手常遇到的问题，本指南将用最简单的方式讲清 base、small、medium、large 四个尺寸的区别，帮你快速找到最适合自己的那一款。

为什么 Dolphin 值得关注？🤔

Dolphin 采用 CTC-Attention 联合架构，编码器基于 E-Branchformer，解码器为标准 Transformer，训练数据超过 21 万小时。它沿用了 Whisper 与 OWSM 的创新思路，并做了针对性改进：引入两级语言标记体系（语言 + 区域），让模型能更精细地处理不同地区的中文方言和东方语言。

上图展示了 Dolphin 的多任务数据格式：从 SOS 起始符出发，依次包含语言（LANGUAGE）、区域（REGION）、转录（TRANSCRIBE）标记，输出既支持带时间戳的文本，也支持纯文本转录，这也是它能同时做识别、分段、打时间戳的原因。

Dolphin模型选型核心：四个尺寸的完整对比

官方规划了 4 个规格的模型，参数规模从 0.1B 到 1.7B 不等：

注意：目前公开可用的主要是 base 和 small 及其衍生版本，medium、large 尚未开放，选型时请优先考虑现有模型。

base：轻量部署的最佳起点

base（0.1B）适合谁？追求低延迟、低资源消耗的开发者。如果你只是想在 CPU 上快速验证效果，或者部署到资源受限的边缘设备，base 是最省心的选择。它体积小、加载快，日常短语音转写完全够用。

small：官方默认的均衡主力

small（0.4B）是官方 CLI 工具的默认模型，也是绝大多数用户的首选。它在准确率与速度之间取得了最佳平衡，无需指定--model参数即可直接使用。无论你是个人开发者还是中小型项目，从 small 入手基本不会出错。

medium 与 large：等待开放的旗舰精度

medium（0.9B）和 large（1.7B）代表了更高的识别精度上限，适合对准确率有极致要求的场景（如专业字幕、会议纪要），但目前尚未开放下载，可以先关注官方更新，届时再迁移升级。

中文方言场景：别忘了 .cn 家族

如果你的语音数据以中文为主，选型时还应关注专门的中文方言系列（dolphin/model_registry.py中定义了全部可用模型）：

Dolphin 共支持 22 种中文方言区域码，如zh-SICHUAN（四川话）、zh-SHANGHAI（上海话）、zh-MINNAN（闽南语）等，完整清单见 languages.md。

按场景快速决策：一张表搞定选型

五分钟快速上手：安装与使用

Dolphin 使用非常简单，先安装 FFmpeg 并执行pip install -U dataoceanai-dolphin，随后一行命令即可完成转写：

# 默认使用 small 模型 dolphin audio.wav # 指定中文方言模型 dolphin audio.wav --model small.cn --lang_sym "zh" --region_sym "CN" # 流式模型示例 dolphin audio.wav --model small.cn.streaming

Python 调用同样直观，核心入口是 dolphin/transcribe.py 中的load_model与transcribe：

import dolphin from dolphin import transcribe model = dolphin.load_model('small.cn', device="cuda") result = transcribe(model, 'audio.wav', lang_sym="zh") print(result.text)

模型首次使用时会被自动下载并缓存在~/.cache/dolphin/目录，下载后本地运行不依赖网络。

总结

Dolphin 模型的选型并不复杂：入门选 base，通用选 small，中文方言选 .cn 系列，实时场景选 streaming，热词纠错选 prompt。medium 和 large 虽未开放，但 Dolphin 的模型注册表 dolphin/model_registry.py 已预留扩展位，未来升级路径清晰。现在就用pip install -U dataoceanai-dolphin安装，从 base 或 small 开始你的第一条语音转写吧！🎉

【免费下载链接】DolphinDolphin is a multilingual, multitask ASR model jointly trained by DataoceanAI and Tsinghua University.项目地址: https://gitcode.com/gh_mirrors/dolphin22/Dolphin