MOSS Transcribe Diarize 0.9B

Esta página da Soniqo documenta MOSS Transcribe Diarize 0.9B conforme a implementação local em speech-swift / speech-core. Os links do Hugging Face ficam abaixo das notas de integração.

Página interna primeiro

Cards e menus apontam primeiro para cá; os links do modelo fonte e dos bundles continuam disponíveis nesta página.

Visão geral

Modelo	MOSS Transcribe Diarize 0.9B
Papel	Transcrição em lote com rótulos de locutor e timestamps gerados pelo modelo
Backend	CoreML com frontend Whisper nativo baseado no Accelerate
Saída	Transcrição simples e segmentos com locutor e timestamps
Idiomas	Modelo MOSS de transcrição multilíngue
Licença	Verifique os termos do modelo fonte e dos bundles para o uso pretendido
Status	Disponível via speech transcribe --engine moss e o produto Swift MossTranscribe
Fonte	OpenMOSS-Team/MOSS-Transcribe-Diarize
Produto Swift	`MossTranscribe`
CLI / runtime	`speech transcribe --engine moss`

Uso

O trecho abaixo reflete a API ou comando atual exposto por speech-swift.

# INT8 é o padrão recomendado.
.build/release/speech transcribe recording.wav --engine moss

# Referência FP16.
.build/release/speech transcribe recording.wav --engine moss --model fp16

Links do modelo

Notas de implementação

Benchmark pareado de 80 clipes em inglês num M5 Pro: ambas as variantes atingiram WER agregado de 8,16% e CER de 5,90%.
Agrupando duas execuções em ordem invertida, INT8 obteve RTF 0,070 (14,3× tempo real), contra 0,079 (12,6×) do FP16, com pico de RSS amostrado de 2,38–2,40 GB contra 3,69–3,74 GB.
O runtime Swift implementa o pré-processamento log-mel Whisper exato, o prompt com marcadores de tempo MOSS, a injeção de embeddings de áudio, as atualizações de cache MLState, a decodificação gulosa e a análise estruturada.
INT8 mantém o encoder de áudio e a E/S do decoder em FP16 e aplica quantização linear simétrica INT8 block-32 ao decoder.
Prompt e saída compartilham um contexto fixo de 1024 tokens. O runtime atual é somente em lote e rejeita --stream.