一小时客服录音，如果不到半分钟就能在普通 CPU 上转成文字，语音归档便不必依赖昂贵算力。开发者 Shadomia 称，土耳其语识别模型 balbal-v2-manas 有 313M 参数，训练花费不到 250 美元；使用 8 个 CPU 线程时，处理速度约为音频时长的 123 倍。
它采用 CTC——一种无需逐字标注精确时间点的语音训练方法，再配合 KenLM，根据常见词语搭配修正文字结果。在包含 846 通真实客服录音的 Mu-Bench 土耳其语基准上，作者援引官方测试工具称，其 WER（词错误率，越低通常越好）为 8.20，紧随 Google Chirp 3 的 8.03，并领先材料中列出的 Gemini、ElevenLabs、Azure 等系统。
这些速度、成本和准确率目前均来自开发者自述，供稿未提供独立复核结果。代码采用 Apache-2.0；模型权重虽可供研究、非商业用途和小企业使用，但不能转售为语音识别产品或 API。