Konekäännös · Englanninkielinen alkuperäinen

Whisper Large-v3 Turbo

Tämä ensimmäinen osapuoli Soniqo sivuasiakirjat Whisper Large-v3 Turbo paikallisesta speech-swift / speech-core implementation. Hugging Face -paketti on linkitetty alla olevien integrointihuomautusten jälkeen.

Sisäinen sivu ensin

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

Katselu

Malli	Whisper Large-v3 Turbo
Rooli	Yleinen monikielinen puhe-to-text
Taustaosa	CoreML fp16 CPU ja Neural Engine
Tuotos	Tekstin transkriptio
Kieli	Whisper monikielinen setti, noin 100 kieltä
Lisenssi	MIT painot OpenAI
Tila	Valmiina puheen kautta kirjoitetaan --engine kuiskaa ja WhisperASR Swift -tuote
Lähde	openai/whisper-large-v3-turbo
Swift -tuote	`WhisperASR`
CLI / ajoaika	`speech transcribe --engine whisper`

Käyttö

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

# Transcribe with the native CoreML Whisper runtime.
.build/release/speech transcribe recording.wav --engine whisper
.build/release/speech transcribe recording.wav --engine whisper --language en

Malli Linkit

Täytäntöönpano Huomioita

LibriSpeech testipuhdasta viipaletta M5 Pro: 1.40% WER, keskiarvo RTF 0.089, 6.1 s mallikuorma, 384 MB huippuarvo RSS ... vs. 1.53% / 0.085 / 100.2 s / 507 MB suora WhisperKit ajaa saman mallin.
Nippu jakautuu neljään CoreML -malliin: ...mel spektrogrammi, äänenkoodaaja, dekooderikontekstien esitäyttö ja KV-hälytetyllä tekstikoodaimella varustettu dekooderi Neural Engine.
Ahne, ei-aikaleiman dekoodaus, jossa on automaattinen kielentunnistus tai --language vihje; ääni käsitellään 30 sekunnin paloina, joissa on toistuva sanasuoja ahneushallusinaatiosilmukkaa vastaan.
Word-aikaleimat, lämpötilan varmuuskopioinnit ja VAD-ohjatut pitkämuotoiset etsinnät eivät ole vielä käytössä; --model hyväksyy turboa, large-v3-turbo tai minkä tahansa Hugging Face repo-tunnuksen.

Asiaan liittyvät oppaat

Tarvitsetko kohdennetun päätöksenteko-oppaan? Katso Qwen3-ASR vs Whisper: tarkkuus, nopeus ja muisti .

Paikallinen syntyperäinen päätelmä

Whisper ASRModel. fromDirectory loads standed full Large-v3 CoreML nippuja. 32-kerroksinen dekooderi voi rakentaa etuliitteensä ilman TextDecoderContextPrefill.mlmallic ja vapauttaa per-asteittaiset temporaries. Oletus Whisper CLI-malli pysyy Turbo.

API tiedot