Traduzione automatica · Originale inglese

Whisper Large-v3 Turbo

Questo primo partito Soniqo documenti pagina Whisper Large-v3 Turbo dal locale speech-swift / speech-core implementazione. Hugging Face i fasci sono collegati di seguito dopo le note di integrazione.

In un solco

Uso

Lo snippet seguente rispecchia l'attuale speech-swift API o comando esposto dal repo.

# 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

Link di modello

• Fascio CoreML
• Documenti di modello speech-swift
• Documenti di inferenza speech-swift

Note di attuazione

• LibriSpeech test-clean slice su un M5 Pro: 1.40% WER, mean RTF 0.089, 6.1 s modello di carico, 384 MB picco RSS — contro 1,53% / 0.085 / 100.2 s / 507 MB per una diretta WhisperKit esecuzione dello stesso modello.
• Il fascio si divide in quattro modelli CoreML — spettrogramma mel, codificatore audio, preriempimento del contesto decoder e decoder di testo in KV — con l'encoder e decodificatore sul Neural Engine.
• Un buon decodifica no-timestamp con rilevamento automatico del linguaggio o un --language; l'audio viene elaborato in blocchi di 30 s con una protezione ripetuta-parola contro avidi loop di allucinazione.
• I timestamp di parole, il calo della temperatura e la ricerca di forme lunghe guidate da VAD non sono ancora implementati; --model accetta il turbo, large-v3-turbo, o qualsiasi Hugging Face repo ID.