想在普通设备上把录音转成文字，模型通常越小越容易本地运行。AuroraASR-1M是一款不足百万参数的英文自动语音识别模型：参数就是训练后保存的内部数值。它把四个精简模块各重复使用两次，像让同一套工具多干一轮活，从而把独立参数控制在95万。
最值得看的是压缩后的体积。其INT8权重仅1.06MB；INT8量化即用8位整数保存权重，以减少文件和内存占用。作者称，这种量化几乎没有增加识别错误；在LibriSpeech测试中，未量化版本的词错误率为11.43%和26.50%。作者还报告，完整流程在单核CPU上达到436倍实时，即一秒理论上可处理约436秒录音。不过这个数字会受硬件和测试方式影响，且INT8版本只是更小，并不会让运算本身更快。模型仅处理16kHz单声道英语，不输出标点和大小写。