Automatische vertaling · Engels origineel
Whisper Large-v3 Turbo
Deze eerste partij Soniqo paginadocumenten Whisper Large-v3 Turbo van de lokale speech-swift / speech-core implementatie. Hugging Face bundels zijn hieronder gekoppeld na de integratienoten.
Landingskaarten en docs menu's wijzen nu eerst hier; bronmodel en bundel links blijven beschikbaar van deze pagina.
Bij een Glance
| Model | Whisper Large-v3 Turbo |
|---|---|
| Rol | Algemene meertalige toespraak-tot-tekst |
| Backend | CoreML fp16 op CPU en Neural Engine |
| Uitvoer | Tekst transcriptie |
| Talen | Whisper meertalige set, ongeveer 100 talen |
| Licentie | MIT gewichten van OpenAI |
| Status | Klaar voor spraaktranscribe --engine fluisteren en het WhisperASR Swift product |
| Bron | openai/whisper-large-v3-turbo |
| Swift product | WhisperASR |
| CLI / looptijd | speech transcribe --engine whisper |
Gebruik
Het onderstaande knipsel spiegelt de huidige speech-swift API of commando blootgesteld door de 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 enModellinks
Opmerkingen over de uitvoering
- LibriSpeech test-schoon schijfje op een M5 Voor: 1.40% WER, gemiddelde RTF 0.089, 6.1 de modelbelasting, 384 MB piek RSS .. versus 1.53% / 0.085 / 100.2 s / 507 MB voor een directe WhisperKit-run van hetzelfde model.
- De bundel splitst zich op in vier CoreML modellen, met mel spectrogram, audio-encoder, decoder context prefill, en een KV-cached tekst decoder ..met de encoder en decoder op de Neural Engine.
- Hebzuchtige no-timestamp decodering met automatische taaldetectie of een --language hint; audio wordt verwerkt in 30 s brokken met een herhaalde woordbeveiliging tegen hebzuchtige hallucinatie loops.
- Word timestamps, temperatuur fallback, en VAD-geleide lange-vorm zoeken zijn nog niet geïmplementeerd; --model accepteert turbo, large-v3-turbo, of een Hugging Face repo-ID.
Heb je een gerichte beslissingsgids nodig? Zie Qwen3-ASR vs Whisper: nauwkeurigheid, snelheid en geheugen.
Lokale lokale gevolgtrekking
Whisper ASRModel.fromDirectory belastingen opgevoerd vol Large-v3 CoreML bundels.De 32-layer decoder kan zijn prefix bouwen zonder TextDecoderContextPrefill.mlmodelc en brengt per-stap tempo's uit. De standaard Whisper CLI-model blijft Turbo.