Traduzione automatica · Originale inglese
Cohere Transcribe 2B
Questo primo partito Soniqo documenti pagina Cohere Trascrizione 2B dal locale speech-swift / speech-core implementazione. Hugging Face i fasci sono collegati di seguito dopo le note di integrazione.
Le carte di atterraggio e i menu Docs ora puntano qui prima; il modello di sorgente e i link di fascio rimangono disponibili da questa pagina.
In un solco
| Modello | Cohere Transcribe 2B |
|---|---|
| Role | Alta precisione multilingue vocale-to-text offline |
| Indietro | MLX nativo su Apple Silicon |
| Produzione | Trascrizione del testo |
| Lingue | 14 lingue |
| Licenza | Apache-2.0 |
| Stato | Pubblicato FP16, INT5 e INT8 bundle; INT5 è il default |
| Fonte | Trascrizione di Cohere |
| Prodotto Swift | CohereTranscribeASR |
| CLI / runtime | speech transcribe --engine cohere |
Uso
Lo snippet seguente rispecchia l'attuale speech-swift API o comando esposto dal repo.
# 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/int5Benchmark
Misurato il 2026-07-22 su 80 Inglese FLEURS read-speech pro totalizzando 759.56 secondi, su un Apple M5 Pro con 48 GB di memoria che esegue macOS 26.5.2. Ogni variante ha corso nel proprio processo da una costruzione di rilascio.
| Variante | Bundle | WER | Δ WER | Mean RTF | Complessivamente ×RT | Impronte per il montaggio |
|---|---|---|---|---|---|---|
| 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'impronta fisica è la figura unificato-memoria di distribuzione-rilevante, perché MLX può memoria-mappare file di peso. FLEURS è il discorso di lettura inglese: questi numeri non rivendicano la parità su conversazione, telefono, rumoroso, o audio altoparlante-pesante.
Link di modello
- Fascio FP16
- Fascio INT5
- Fascio INT8
- Documentazione del modello Swift
- Documentazione di inferenza Swift
Note di attuazione
- La rivendita runtime mono Float32 PCM a 16 kHz e gestisce registrazioni lunghe in blocchi sovrapposti.
- INT5 è il default pratico: sull'inglese convalidato FLEURS eseguirlo ha usato un fascio da 1,62 GiB, 2,582 MiB impronta fisica, e 0,0150 mean RTF.
- MLX la quantizzazione affine supporta 2, 3, 4, 5, 6 e 8 bit, non INT7; scegliere INT8 quando la priorità della qualità.
- Questo è un motore non a monte. Il CLI rifiuta --stream