Tłumaczenie automatyczne · Oryginał angielski
Whisper Large-v3 Turbo
Ta pierwsza strona Soniqo dokumentuje Whisper Large-v3 Turbo z lokalnej implementacji speech-swift / speech-core. Zestawy Hugging Face są połączone poniżej po notach integracyjnych.
Karty do lądowania i menu doków wskazują najpierw tutaj; model źródłowy i linki do pakietów pozostają dostępne na tej stronie.
At a Glance
| Wzór | Whisper Large-v3 Turbo |
|---|---|
| Rola | Ogólne wielojęzyczne przemówienie - tekst |
| Wstecz | CoreML fp16 na CPU i Neural Engine |
| Wyjście | Transkrypcja tekstu |
| Języki | Whisper zestaw wielojęzyczny, o językach 100 |
| Licencja | Wagi MIT z OpenAI |
| Status | Gotowy przez przepisywanie mowy --engine Szept i produkt WhisperaSR Swift |
| Źródło | openai / whisper-large-v3-turbo |
| Produkt Swift | WhisperASR |
| CLI / runtime | speech transcribe --engine whisper |
Stosowanie
Poniższy fragment jest odzwierciedleniem bieżącego speech-swift API lub polecenia zdemaskowanego przez 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 enWzory linków
Uwagi do wdrożenia
- LibriSpeech test- czysty plaster na M5 Pro: 1.40% WER- RTF 0.089, 6.1 s obciążenie modelu, 384 MB szczyt RSS - w porównaniu z 1.53% / 0.085 / 100.2 s / 507 MB dla bezpośredniego WhisperKit uruchomić tego samego modelu.
- Pakiet rozdziela się na cztery modele CoreML - spectrogram mel, enkoder audio, prefill kontekstu dekodera oraz dekoder tekstowy KV- z koderem i dekoderem na Neural Engine.
- Greedy no- timestamp dekodujący z automatyczną detekcją języka lub podpowiedź --language; audio jest przetwarzane w kawałkach 30 z powtarzaną ochroną słowa przed chciwymi pętlami halucynacyjnymi.
- Znaczniki czasu, opady temperatury i poszukiwania z przewodem VAD- nie są jeszcze wdrożone; --model akceptuje turbo, large-v3-turbo lub jakiekolwiek Hugging Face repo ID.
Potrzebujesz ukierunkowanego przewodnika decyzji? Qwen3-ASR vs Whisper: dokładność, prędkość i pamięć.
Lokalne zgłoszenie rodzime
Whisper aSRModel.from Ładunki katalogowe wystawione pełne pakiety Large-v3 CoreML. Dekoder z warstwy 32- może zbudować przedrostek bez TextDecoderContextPreferill.mlmodelc i uwalnia perstep temporaria. Domyślny model Whisper CLI pozostaje Turbo.