Traducere automată · Originalul în engleză
Whisper Large-v3 Turbo
Această primă parte Soniqo documente de pagină Whisper Large-v3 Turbo de la local speech-swift / speech-core implementare. Hugging Face pachete sunt legate mai jos după notele de integrare.
Carduri de aterizare și meniuri docs punct acum aici primul; model sursă și link-uri de pachet rămân disponibile de la această pagină.
La o strălucire
| Model | Whisper Large-v3 Turbo |
|---|---|
| Rol | Discurs multilingv general-text |
| Platformă | CoreML fp16 la CPU și Neural Engine |
| Ieșire | Transcriere text |
| Limbi | Whisper set multilingv, aproximativ 100 de limbi |
| Licență | MIT greutăți de la OpenAI |
| Stare | Gata prin transcrierea vorbirii --engine șoaptă și WhisperASR Swift |
| Sursă | openai/whisper-large-v3-turbo |
| Swift produs | WhisperASR |
| CLI / timpul de funcționare | speech transcribe --engine whisper |
Utilizare
Fragmentul de mai jos reflectă curentul speech-swift API sau comanda expusă 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 enModele de legături
Note de punere în aplicare
- LibriSpeeching test-clean felie pe o M5 Pro: 1.40% WER, Adică RTF 0.089, 6.1 s sarcina modelului; 384 MB vârf RSS 1.53% / 0.085 / 100.2 s / 507 MB pentru un WhisperKit direct rula de același model.
- Pachetul se împarte în patru. CoreML Modele de spectrogramă mel, codor audio, decodor context prefill, și un decodor de text KV-cached Neural Engine.
- Decodare lacomă fără timp cu detectarea automată a limbajului sau cu un indiciu --language; audio este procesat în bucăți de 30 s cu un sistem de protecție cu cuvinte repetate împotriva buclelor halucinații lacome.
- Ștampile de timp Word, scăderea temperaturii și căutarea ghidată de VAD cu formă lungă nu sunt încă implementate; --model acceptă turbo, large-v3-turbo, sau orice alt ID Hugging Face repo.
Aveți nevoie de un ghid decizional concentrat? A se vedea Qwen3-ASR vs Whisper: precizie, viteză și memorie.
Inference locală nativă
Whisper ASRModel.de la Decodorul 32-straturi poate construi prefixul său complet Large-v3 CoreML fără textDecodorContextPrefill.mlmodelc și eliberează temporarii pe trepte.Modelul implicit Whisper Modelul CLI rămâne Turbo.