Awtomatikong salin · Orihinal sa Ingles

Cohere Transcript 2B

Ang unang-partidong Soniqo page na ito ay nagpapatunay ng Cohere Tran excribe 2B mula sa lokal na speech-swift / speech-core na pagpapatupad. Hugging Face na mga bungkos ay nakaugnay sa ibaba pagkatapos ng mga notasyon.

Panloob na Pahina Muna

Una na ngayong binabanggit dito ng mga landing card at docs menus ang tungkol dito; ang mga kawing ng source model at bround ay nananatiling makukuha mula sa pahinang ito.

Sa Isang Kaningningan

Huwaran	Cohere Transcript 2B
Ang Papel	Mataas na-accuracy na languageline speech-to-text
Likod	Katutubong MLX sa Apple Silicon
Ilabas	Pagkopya ng Plain-text
Wika	14 na wika
Lisensiya	Apache-2.0
Kalagayan	Inilathala FP16, INT5, at INT8 bungkos; INT5
Pinagmumulan	Cohere Transcript
Swift produkto	`CohereTranscribeASR`
CLI / Oras ng pagtakbo	`speech transcribe --engine cohere`

Gamitin

Ang snippet sa ibaba ng salamin ang kasalukuyang speech-swift API o utos na inilantad ng repo.

# 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/int5

Bantay

Sinusukat noong 2026-07-22 sa 80 English FLEURS read-speech expressions na may kabuuang 759.56 segundo, sa isang Apple M5 Pro na may 48 GB ng memorya na tumatakbo ng macOS 26.5.2. Ang bawat variant ay tumatakbo sa sarili nitong proseso mula sa isang release building.

Kaurian	Budburan	WER	Δ WER	Kahulugan RTF	Pangkalahatang ×RT	Footprint
FP16	3.85 GiB	6.178%	—	0.0444	23.59×	6,724 MiB
INT5	1.62 GiB	6.288%	+0.110 p	0.0150	69.64×	2,582 MiB
INT8	2.25 GiB	6.178%	+0.000 p	0.0159	65.74×	3,292 MiB

Ang pisikal na footprint ay ang depostment-relevant na nagkakaisang-memory na pigura, dahil ang MLX ay maaaring memoryal-map na mga file ng timbang. FLEURS ay Ingles na binabasang pananalita: ang mga numerong ito ay hindi nag-aangkin ng paridad sa usapan, telepono, maingay, o speaker-FLEX audio.

Mga Kaugnayan sa Modelo

Mga Nota ng Pag - iisa

Ang runtime ay nagreresulta sa mono Float32 PCM hanggang 16 kHz at humahawak ng mga mahahabang recording sa mga magkakasanib na tipak.
Ang INT5 ay ang praktikal na default: sa pinagtibay na English FLEURS run ito ay gumagamit ng isang 1.62 GiB browse, 2,582 MiB pisikal na footprint, at 0.0150 ay nangangahulugang RTF
Ang MLX affine quanciation ay sumusuporta sa 2, 3 na 4 ay isang 5. 6 at 8 bits, hindi INT7; pumili ng INT8 kapag presitibong kalidad.
Ito ay isang non-streaming engine. Ang CLI ay tumatanggi sa --stream sa halip na tahimik na pagbabago ng pag-uugali.