Maskinoversettelse · Engelsk original
Whisper Large-v3 Turbo
Denne førsteparts Soniqo sidedokumenter Whisper Large-v3 Turbo fra lokal speech-swift / speech-core implementasjon. Hugging Face bundter er koblet nedenfor etter integrasjonsnotatene.
Landingskort og docs-menyer nå peker her først; kildemodell og pakkelenker er tilgjengelige fra denne siden.
På en glanse
| Modell | Whisper Large-v3 Turbo |
|---|---|
| Rolle | Generelt flerspråklig tale-til-tekst |
| Motor | CoreML fp16 på CPU og Neural Engine |
| Utgang | Teksttranskripsjon |
| Språk | Whisper flerspråklig sett, om lag 100 språk |
| Lisens | MIT vekter fra OpenAI |
| Status | Klar gjennom taletransskriber --engine hviske og WhisperASR Swift produktet |
| Kilde | openai/whisper-large-v3-turbo |
| Swift produkt | WhisperASR |
| CLI/kjøretid | speech transcribe --engine whisper |
Bruk
Den snutten nedenfor speiler gjeldende speech-swift API eller kommando som eksponeres av repoen.
# Transcribe with the native CoreML Whisper runtime.
.build/release/speech transcribe recording.wav --engine whisper
.build/release/speech transcribe recording.wav --engine whisper --language enModelllenker
Implementasjonsnotater
- Libri Speight Test-clean skive på en M5 Pro: 1.40% WER, gjennomsnittlig RTF 0,089, 6.1 s modellbelastning, 384 MB topp RSS - versus 1.53% / 0,085 / 100.2 s / 507 MB for en direkte WhisperKit kjøre av samme modell.
- Pakken deler seg i fire CoreML-modeller - mel spektrogram, lydkoder, dekoder-kontekstprefyll og en KV-kached tekstdekoder - med koder og dekoder på Neural Engine.
- Greedy no-timestamp dekoder med automatisk språkdeteksjon eller --language hint; lyd behandles i 30 s biter med en gjentatt ordvakt mot grådige hallusinasjonssløyfer.
- Word timestamps, temperaturspalt og VAD-styrt langformssøk er ikke implementert ennå; --model aksepterer turbo, large-v3-turbo, eller noen Hugging Face repo ID.
Trenger du en fokusert beslutningsguide? Se Qwen3-ASR vs Whisper: nøyaktighet, hastighet og minne.
Lokalt innfødt inferens
Whisper ASRModel.fraDirectory lasts iscenesatt full Large-v3 CoreML pakker. 32-lags dekoderen kan bygge sitt prefiks uten TextDecoderContextPrefill.mlmodelc og frigjør per trinn temporære. Standard Whisper CLI-modellen forblir Turbo.