Maskinoversettelse · Engelsk original

Cohere Transskriber 2B

Denne førsteparts Soniqo sidedokumenter Cohere Transcribe 2B fra den lokale speech-swift / speech-core implementasjon. Hugging Face-pakker er koblet nedenfor etter integrasjonsnotatene.

Innenrikssiden først

Landingskort og docs-menyer nå peker her først; kildemodell og pakkelenker er tilgjengelige fra denne siden.

På en glanse

Modell	Cohere Transskriber 2B
Rolle	Høy-nøyaktig flerspråklig frakoblet tale-til-tekst
Motor	Native MLX på Apple Silicon
Utgang	Klarteksttranskripsjon
Språk	14 språk
Lisens	Apache-2.0
Status	Publisert FP16, INT5, og INT8 bundter; INT5 er standard
Kilde	Cohere Transskriber
Swift produkt	`CohereTranscribeASR`
CLI/kjøretid	`speech transcribe --engine cohere`

Bruk

Den snutten nedenfor speiler gjeldende speech-swift API eller kommando som eksponeres av repoen.

# 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/int5

Benchmark

Målt på 2026-07-22 over 80 English FLEURS read-speech uttalelser i alt 759.56 sekunder, på en Apple M5 Pro med 48 GB minne som kjører macOS 26.5.2. Hver variant kjørte i sin egen prosess fra en utgivelsesbygging.

Variant	Bundle	WER	Δ WER	Gjennomsnittlig RTF	Samlet xRT	Fotavtrykk
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

Fysisk fotavtrykk er den utplasseringsrelevante enhets-minnefiguren, fordi MLX kan minne-kart vektfiler. FLEURS er engelsk lesetale: disse tallene gjør ikke krav på paritet på samtale, telefon, støyende eller høyttaler-tung lyd.

Modelllenker

Implementasjonsnotater

Runtime remamples mono Float32 PCM til 16 kHz og håndterer lange opptak i overlappende biter.
INT5 er den praktiske standarden: på validert engelsk FLEURS kjører den brukte en 1.62 GiB bunt, 2.582 MiB fysisk fotavtrykk og 0,0150 gjennomsnittlig RTF.
MLX affine kvantisering støtter 2, 3, 4, 5, 6 og 8 biter, ikke INT7; velg INT8 når du prioriterer kvaliteten.
Dette er en ikke-strømsmotor. CLI avviser --stream i stedet for stille skiftende oppførsel.