Whisper Large-v3 Turbo
이 Soniqo 페이지는 로컬 speech-swift / speech-core 구현의 Whisper Large-v3 Turbo을 설명합니다. Hugging Face 번들 링크는 통합 메모 뒤에 있습니다.
내부 페이지 우선
랜딩 카드와 문서 메뉴는 먼저 이 페이지로 이동하고, 원본 모델과 번들 링크는 이 페이지 안에 둡니다.
개요
| 모델 | Whisper Large-v3 Turbo |
|---|---|
| 역할 | General multilingual speech-to-text |
| 백엔드 | CoreML fp16 on CPU and Neural Engine |
| 출력 | Text transcript |
| 언어 | Whisper multilingual set, about 100 languages |
| 라이선스 | MIT weights from OpenAI |
| 상태 | Ready through speech transcribe --engine whisper and the WhisperASR Swift product |
| 소스 | openai/whisper-large-v3-turbo |
| Swift 제품 | WhisperASR |
| CLI / 런타임 | speech transcribe --engine whisper |
사용
아래 스니펫은 현재 speech-swift 저장소의 API 또는 명령과 일치합니다.
# Transcribe with the native CoreML Whisper runtime.
.build/release/speech transcribe recording.wav --engine whisper
.build/release/speech transcribe recording.wav --engine whisper --language en모델 링크
구현 메모
- LibriSpeech test-clean slice on an M5 Pro: 1.40% WER, mean RTF 0.089, 6.1 s model load, 384 MB peak RSS — versus 1.53% / 0.085 / 100.2 s / 507 MB for a direct WhisperKit run of the same model.
- The bundle splits into four CoreML models — mel spectrogram, audio encoder, decoder context prefill, and a KV-cached text decoder — with the encoder and decoder on the Neural Engine.
- Greedy no-timestamp decoding with automatic language detection or a --language hint; audio is processed in 30 s chunks with a repeated-word guard against greedy hallucination loops.
- Word timestamps, temperature fallback, and VAD-guided long-form seeking are not implemented yet; --model accepts turbo, large-v3-turbo, or any Hugging Face repo ID.