MOSS Transcribe Diarize 0.9B

यह Soniqo पेज स्थानीय speech-swift / speech-core implementation में MOSS Transcribe Diarize 0.9B को दस्तावेज़ करता है। Hugging Face bundle links integration notes के बाद दिए गए हैं।

पहले आंतरिक पेज

Landing cards और docs menus पहले इसी पेज पर आते हैं; source model और bundle links यहीं उपलब्ध रहते हैं।

सारांश

मॉडल	MOSS Transcribe Diarize 0.9B
भूमिका	मॉडल द्वारा बनाए speaker labels और timestamps के साथ batch transcription
Backend	Accelerate आधारित native Whisper frontend वाला CoreML
Output	सादा transcript और timestamp वाले speaker segments
भाषाएँ	बहुभाषी MOSS transcription मॉडल
लाइसेंस	इस्तेमाल से पहले source model और bundle की शर्तें जाँचें
स्थिति	speech transcribe --engine moss और MossTranscribe Swift product से उपलब्ध
Source	OpenMOSS-Team/MOSS-Transcribe-Diarize
Swift product	`MossTranscribe`
CLI / runtime	`speech transcribe --engine moss`

उपयोग

नीचे का snippet मौजूदा speech-swift API या command से मेल खाता है।

# INT8 अनुशंसित डिफ़ॉल्ट है।
.build/release/speech transcribe recording.wav --engine moss

# FP16 reference।
.build/release/speech transcribe recording.wav --engine moss --model fp16

मॉडल लिंक

implementation notes

M5 Pro पर समान 80 अंग्रेज़ी clips benchmark में दोनों variants ने 8.16% aggregate WER और 5.90% CER प्राप्त किया।
उल्टे क्रम में दो runs को मिलाने पर INT8 का RTF 0.070 (14.3× real-time) और FP16 का 0.079 (12.6×) रहा; sampled peak RSS क्रमशः 2.38–2.40 GB और 3.69–3.74 GB था।
Swift runtime सटीक Whisper log-mel preprocessing, MOSS time-marker prompt, audio embedding injection, MLState cache updates, greedy decoding और structured output parsing संभालता है।
INT8 audio encoder और decoder I/O को FP16 में रखता है तथा decoder पर symmetric linear INT8 block-32 quantization लागू करता है।
Prompt और output एक निश्चित 1024-token context साझा करते हैं। वर्तमान runtime केवल batch mode में चलता है और --stream को अस्वीकार करता है।