Arc 是一个约 70 MB 的流式语音模型，能在无第二模型情况下实时转录并核对列表中的名称与元数据

作者发布 Arc-Transcriber，一个约 70 MB 的单步语音识别与自然语言理解（ASR-NL）模型，在 Mac 端侧运行，每 100 毫秒输出包含转录文本、实体链接状态及多种事件标签的结果。该工具通过 200+ 个训练决策头，将传统流程中分立的 ASR、命名实体识别（NER）、实体链接与大语言模型链整合进单一模型内部，实现流式事实核查。

模型提供两个变体：Arc mini 基于 Moonshot 预训练编码器，Arc-v1 基于 Parakeet 预训练编码器，权重已托管于 Hugging Face，代码与 CLI 工具开源至 GitHub。其核心机制是在音频流中直接识别说话人角色、声音事件（如电话音频、削波、低质量音频）及是否针对助手发言，并在语音输入过程中利用预先加载的 6.1 万本书籍标题进行语音搜索预热，从而在用户说话时即完成匹配。

事实层面，该工具确认为单模型架构且支持端侧部署，参数规模约 70 MB，具备多任务输出能力。推断上，这种架构可能显著降低语音交互系统的延迟与算力开销，尤其适用于资源受限环境。猜测成分在于其实际精度表现及在不同噪声场景下的泛化能力，原文未提供基准测试数据或第三方评测结果。