Cohere Transcribe 2B
यह Soniqo पेज स्थानीय speech-swift / speech-core implementation में Cohere Transcribe 2B को दस्तावेज़ करता है। Hugging Face bundle links integration notes के बाद दिए गए हैं।
Landing cards और docs menus पहले इसी पेज पर आते हैं; source model और bundle links यहीं उपलब्ध रहते हैं।
सारांश
| मॉडल | Cohere Transcribe 2B |
|---|---|
| भूमिका | High-accuracy multilingual offline speech-to-text |
| Backend | Native MLX on Apple Silicon |
| Output | Plain-text transcription |
| भाषाएँ | 14 languages |
| लाइसेंस | Apache-2.0 |
| स्थिति | Published FP16, INT5, and INT8 bundles; INT5 is the default |
| Source | Cohere Transcribe |
| Swift product | CohereTranscribeASR |
| CLI / runtime | speech transcribe --engine cohere |
उपयोग
नीचे का snippet मौजूदा speech-swift API या command से मेल खाता है।
# 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/int5बेंचमार्क
2026-07-22 को 80 अंग्रेज़ी FLEURS read-speech utterances (कुल 759.56 सेकंड) पर, 48 GB मेमोरी वाले Apple M5 Pro और macOS 26.5.2 पर मापा गया। हर variant release build से अपनी अलग process में चला।
| 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 |
Physical footprint deployment के लिए प्रासंगिक unified-memory आंकड़ा है, क्योंकि MLX weight files को memory-map कर सकता है। FLEURS अंग्रेज़ी read speech है: ये आंकड़े conversational, telephone, noisy या speaker-heavy audio पर समानता का दावा नहीं करते।
मॉडल लिंक
implementation notes
- 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.