Cohere Transcribe 2B
หน้านี้ของ Soniqo อธิบาย Cohere Transcribe 2B ตาม implementation ใน speech-swift / speech-core ส่วนลิงก์ Hugging Face อยู่ใต้หมายเหตุการใช้งาน
เข้าหน้าในเว็บก่อน
การ์ดหน้าแรกและเมนูเอกสารจะชี้มาที่หน้านี้ก่อน ส่วนลิงก์ไปยัง source model และ bundle ยังอยู่ในหน้านี้
ภาพรวม
| โมเดล | Cohere Transcribe 2B |
|---|---|
| บทบาท | High-accuracy multilingual offline speech-to-text |
| Backend | Native MLX on Apple Silicon |
| Output | Plain-text transcription |
| ภาษา | 14 languages |
| License | Apache-2.0 |
| สถานะ | Published FP16, INT5, and INT8 bundles; INT5 is the default |
| Source | Cohere Transcribe |
| Swift product | CohereTranscribeASR |
| CLI / runtime | speech transcribe --engine cohere |
การใช้งาน
snippet ด้านล่างตรงกับ API หรือคำสั่งปัจจุบันใน speech-swift
# INT5 is the default.
speech transcribe recording.wav --engine cohere
# Select another published precision and pass a language hint.
speech transcribe recording.wav --engine cohere --model int8 --language de
# --model also accepts a Hugging Face model ID or a local directory.
speech transcribe recording.wav --engine cohere --model /models/cohere/int5เบนช์มาร์ก
วัดเมื่อ 2026-07-22 จากคำพูดอ่านภาษาอังกฤษ FLEURS 80 ประโยค (รวม 759.56 วินาที) บน Apple M5 Pro หน่วยความจำ 48 GB ระบบ macOS 26.5.2 แต่ละ variant รันในโปรเซสของตัวเองจาก release build
| Variant | Bundle | WER | Δ WER | Mean RTF | Overall ×RT | Footprint |
|---|---|---|---|---|---|---|
| FP16 | 3.85 GiB | 6.178% | — | 0.0444 | 23.59× | 6,724 MiB |
| INT5 | 1.62 GiB | 6.288% | +0.110 pp | 0.0150 | 69.64× | 2,582 MiB |
| INT8 | 2.25 GiB | 6.178% | +0.000 pp | 0.0159 | 65.74× | 3,292 MiB |
physical footprint คือค่าหน่วยความจำรวมที่เกี่ยวข้องกับการนำไปใช้จริง เพราะ MLX อาจ memory-map ไฟล์น้ำหนักโมเดล FLEURS เป็นเสียงอ่านภาษาอังกฤษ ตัวเลขเหล่านี้จึงไม่ได้อ้างว่าเทียบเท่ากับเสียงสนทนา เสียงโทรศัพท์ เสียงรบกวน หรือเสียงที่มีผู้พูดจำนวนมาก
ลิงก์โมเดล
หมายเหตุ implementation
- The runtime resamples mono Float32 PCM to 16 kHz and handles long recordings in overlapping chunks.
- INT5 is the practical default: on the validated English FLEURS run it used a 1.62 GiB bundle, 2,582 MiB physical footprint, and 0.0150 mean RTF.
- MLX affine quantization supports 2, 3, 4, 5, 6, and 8 bits, not INT7; choose INT8 when prioritizing quality.
- This is a non-streaming engine. The CLI rejects --stream instead of silently changing behavior.