Maskinoversættelse · Engelsk original

Cohere Transcribe 2B

Denne første-part Soniqo side dokumenter Cohere Transcribe 2B fra den lokale speech-swift / speech-core implementering. Hugging Face bundter er knyttet nedenfor efter integration noter.

Intern side først

Landingskort og docs menuer peger nu her først; kildemodel og bundlink er stadig tilgængelige fra denne side.

På en Glance

Model	Cohere Transcribe 2B
Rolle	Højnøjagtighed flersproget offline speech- to- tekst
Backend	Native MLX på Apple Silicon
Output	Plain- text transcription
Sprog	14 sprog
Licens	Apache-2.0
Status	Published FP16, INT5 og INT8 bundter; INT5 er standard
Kilde	Cohere Transcribe
Swift produkt	`CohereTranscribeASR`
CLI / runtime	`speech transcribe --engine cohere`

Anvendelse

Snuppet nedenfor afspejler den aktuelle speech-swift API eller kommando udsat af repo.

# INT5 is the default.
speech transcribe recording.wav --engine cohere

# Select another published precision and pass a language hint.
speech transcribe recording.wav --engine cohere --model int8 --language de

# --model also accepts a Hugging Face model ID or a local directory.
speech transcribe recording.wav --engine cohere --model /models/cohere/int5

Benchmark

Målt på 2026- 07-22 over 80 English FLEURS read- tale udtalelser i alt 759.56 sekunder, på en Apple M5 Pro med 48 GB hukommelse kører macOS 26.5.2. Hver variant kørte i sin egen proces fra en udgivelse build.

Variant	Bundle	WER	Δ WER	Gennemsnitlig RTF	Samlet × RT	Fodaftryk
FP16	3.85 GiB	6.178%	—	0.0444	23.59×	6,724 MiB
INT5	1.62 GiB	6.288%	+ 0.110 pp	0.0150	69.64×	2,582 MiB
INT8	2.25 GiB	6.178%	+ 0,000 sider	0.0159	65.74×	3,292 MiB

Fysisk fodaftryk er deployment- relevante unified- memory figur, fordi MLX kan huske-map vægtfiler. FLEURS er engelsk læse tale: disse tal ikke hævder paritet på konversationel, telefon, støjende, eller speger-tunge lyd.

Model Links

Gennemførelsesnoter

Den runtime resamples mono Float32 PCM til 16 kHz og håndterer lange optagelser i overlappende stykker.
INT5 er den praktiske standard: på den validerede engelske FLEURS køre det brugt en 1.62 GiB bundt, 2,582 MiB fysisk fodaftryk, og 0.0150 betyder RTF.
MLX affinquantization supports 2, 3, 4, 5, 6, og 8 bits, ikke INT7; Vælg INT8 når kvaliteten prioriteres.
Dette er en ikke-streaming motor. CLI afviser --stream i stedet for lydløst at ændre adfærd.