Konekäännös · Englanninkielinen alkuperäinen

Voxtral Mini 3B 2507

Tämä ensimmäinen osapuoli Soniqo sivuasiakirjat Voxtral Mini 3B 2507 paikalliselta speech-swift / speech-core implementation. Hugging Face -paketit ovat yhteydessä alla olevien integrointihuomautusten jälkeen.

Sisäinen sivu ensin

Laskeutumiskortit ja dokumentit ovat nyt tässä ensin; lähdemalli ja nippulinkit ovat saatavilla tältä sivulta.

Katselu

Malli	Voxtral Mini 3B 2507
Rooli	Korkean tarkkuuden monikielinen offline-puhe-to-text
Taustaosa	Natiivi MLX Apple Silicon
Tuotos	Tekstin transkriptio
Kieli	Englanti, ranska, saksa, espanja, italia, portugali, hollanti ja hindi
Lisenssi	Apache-2.0
Tila	Julkaistu FP16, INT5 ja INT8 niput; INT5 on oletus
Lähde	Mistral Voxtral Mini 3B 2507
Swift -tuote	`VoxtralASR`
CLI / ajoaika	`speech transcribe --engine voxtral`

Käyttö

Alla oleva nappula peilaa virta speech-swift API tai repon paljastamaa komentoa.

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

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

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

Vertailuarvo

Mitattu 2026-07-22 yli 80 englannin kielellä FLEURS lukupuheen ilmaisut yhteensä 759.56 sekuntia, Apple M5 Pro 48 Gt muistia macOS 26.5.2. Jokainen variantti juoksi omassa prosessissaan release-rakennuksesta.

Variantti	Bundle	WER	Δ WER	Keskiarvo RTF	Kokonaisarvo ×RT	Jalanjälki
FP16	8.71 GiB	4.633%	—	0.1305	8.05×	10.568 MiB
INT5	3.77 GiB	4.744%	+0,110 s.	0.0739	14.47×	6,012 MiB
INT8	5.18 GiB	4.578%	-0,055 s.	0.0906	11.79×	7,233 MiB

Fyysinen jalanjälki on käyttöönoton kannalta merkityksellinen yhtenäinen muistikuva, koska MLX saattaa olla muistikarttatiedostoja. FLEURS on englanninkielinen lukupuhe: nämä numerot eivät vaadi yhdenvertaisuutta keskustelu-, puhelin-, melu- tai kaiutinääniäänellä.

Malli Linkit

Täytäntöönpano Huomioita

Äänirintaman uusintanäytteet ovat mono Float32 PCM-16 kHz ja sisältävät enintään 30 sekuntia ääntä pyyntöä kohti.
INT5 on oletus: validoidulla englannin kielellä FLEURS se käytti 3,77 GiB-nippua, 6,012 MiB:n fyysistä jalanjälkeä ja 0,0739 keskiarvoa RTF.
Dekooderiprojektit ovat vain lopullinen pikatilaus 131,072-kytketyn kielimallin avulla, mikä vähentää kvantitoitua mallia RTF muuttamatta transkriptejä.
MLX ei ole INT7 rikas ytimen käyttö INT8 tuettuna laadukkaampana vaihtoehtona.
Ääni on pehmustettu koko 30 sekunnin paloja ja concatented osaksi yksi nopea, niin nopea ja dekooderi-välimuisti kasvaa useita paloja. Segmentti hyvin pitkiä nauhoituksia kunnes pala-merkitä polku on olemassa.
Tämä on ei-streaming moottori.