Cohere Transcribe 2B
この Soniqo ページは、ローカルの speech-swift / speech-core 実装にある Cohere Transcribe 2B を説明します。Hugging Face バンドルへのリンクは統合メモの後にあります。
まずサイト内ページへ
ランディングカードとドキュメントメニューは先にこのページへ向け、ソースモデルとバンドルのリンクは本ページ内に残します。
概要
| モデル | Cohere Transcribe 2B |
|---|---|
| 役割 | High-accuracy multilingual offline speech-to-text |
| バックエンド | Native MLX on Apple Silicon |
| 出力 | Plain-text transcription |
| 言語 | 14 languages |
| ライセンス | Apache-2.0 |
| 状態 | Published FP16, INT5, and INT8 bundles; INT5 is the default |
| ソース | Cohere Transcribe |
| Swift プロダクト | CohereTranscribeASR |
| CLI / ランタイム | speech transcribe --engine cohere |
使い方
以下のスニペットは、現在の speech-swift リポジトリが公開している API またはコマンドに合わせています。
# 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モデルリンク
実装メモ
- 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.
- The published benchmark covers English read speech and does not claim parity with conversational, telephone, noisy, or speaker-heavy benchmarks.