Whisper Large-v3 Turbo
توثق هذه الصفحة من Soniqo نموذج Whisper Large-v3 Turbo كما هو منفذ في speech-swift / speech-core. روابط Hugging Face موجودة أدناه بعد ملاحظات الدمج.
الصفحة الداخلية أولا
بطاقات الصفحة الرئيسية وقوائم الوثائق تشير إلى هذه الصفحة أولا؛ وتبقى روابط النموذج والحزم داخلها.
لمحة سريعة
| النموذج | Whisper Large-v3 Turbo |
|---|---|
| الدور | General multilingual speech-to-text |
| Backend | CoreML fp16 on CPU and Neural Engine |
| الإخراج | Text transcript |
| اللغات | Whisper multilingual set, about 100 languages |
| الرخصة | MIT weights from OpenAI |
| الحالة | Ready through speech transcribe --engine whisper and the WhisperASR Swift product |
| المصدر | openai/whisper-large-v3-turbo |
| منتج Swift | WhisperASR |
| CLI / runtime | speech transcribe --engine whisper |
الاستخدام
المقتطف أدناه يطابق API أو الأمر الحالي في speech-swift.
# Transcribe with the native CoreML Whisper runtime.
.build/release/speech transcribe recording.wav --engine whisper
.build/release/speech transcribe recording.wav --engine whisper --language enروابط النموذج
ملاحظات التنفيذ
- LibriSpeech test-clean slice on an M5 Pro: 1.40% WER, mean RTF 0.089, 6.1 s model load, 384 MB peak RSS — versus 1.53% / 0.085 / 100.2 s / 507 MB for a direct WhisperKit run of the same model.
- The bundle splits into four CoreML models — mel spectrogram, audio encoder, decoder context prefill, and a KV-cached text decoder — with the encoder and decoder on the Neural Engine.
- Greedy no-timestamp decoding with automatic language detection or a --language hint; audio is processed in 30 s chunks with a repeated-word guard against greedy hallucination loops.
- Word timestamps, temperature fallback, and VAD-guided long-form seeking are not implemented yet; --model accepts turbo, large-v3-turbo, or any Hugging Face repo ID.