Cohere Transcribe 2B

Cette page Soniqo documente Cohere Transcribe 2B tel qu'il est implémenté dans speech-swift / speech-core. Les liens Hugging Face sont placés après les notes d'intégration.

Page interne d'abord

Les cartes et menus pointent d'abord ici; les liens vers le modèle source et les bundles restent disponibles sur cette page.

Aperçu

Modèle	Cohere Transcribe 2B
Rôle	High-accuracy multilingual offline speech-to-text
Backend	Native MLX on Apple Silicon
Sortie	Plain-text transcription
Langues	14 languages
Licence	Apache-2.0
État	Published FP16, INT5, and INT8 bundles; INT5 is the default
Source	Cohere Transcribe
Produit Swift	`CohereTranscribeASR`
CLI / runtime	`speech transcribe --engine cohere`

Utilisation

L'extrait ci-dessous suit l'API ou la commande actuellement exposée par speech-swift.

# 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

Mesuré le 2026-07-22 sur 80 énoncés de parole lue en anglais issus de FLEURS (759,56 secondes au total), sur un Apple M5 Pro doté de 48 Go de mémoire sous macOS 26.5.2. Chaque variante s'est exécutée dans son propre processus à partir d'une compilation release.

Variant	Bundle	WER	Δ WER	Mean RTF	Overall ×RT	Footprint
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 pp	0.0159	65.74×	3,292 MiB

L'empreinte physique est la mesure de mémoire unifiée pertinente pour le déploiement, car MLX peut mapper les fichiers de poids en mémoire. FLEURS est de la parole lue en anglais : ces chiffres ne prétendent pas à la parité sur de l'audio conversationnel, téléphonique, bruité ou à nombreux locuteurs.

Liens du modèle

Notes d'implémentation

The runtime resamples mono Float32 PCM to 16 kHz and handles long recordings in overlapping chunks.
INT5 is the practical default: on the validated English FLEURS run it used a 1.62 GiB bundle, 2,582 MiB physical footprint, and 0.0150 mean RTF.
MLX affine quantization supports 2, 3, 4, 5, 6, and 8 bits, not INT7; choose INT8 when prioritizing quality.
This is a non-streaming engine. The CLI rejects --stream instead of silently changing behavior.