Awtomatikong salin · Orihinal sa Ingles
Whisper Large-v3 Turbo
Ang unang-bahagi na ito Soniqo pahina mga dokumento Whisper Large-v3 Turbo mula sa lugar na iyon speech-swift / speech-core pagpapatupad. Hugging Face ang mga bungkos sa ibaba pagkatapos ng pinagsamang mga nota.
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 | Whisper Large-v3 Turbo |
|---|---|
| Ang Papel | Pangkalahatang pagsasalita-to-ext na may iba't ibang wika |
| Likod | CoreML fp16 on CPU at Neural Engine |
| Ilabas | Nasulat na teksto |
| Wika | Whisper set na may iba't ibang wika, mga 100 wika |
| Lisensiya | MIT mga timbang mula sa OpenAI |
| Kalagayan | Handa na sa pamamagitan ng pagsasalita ng --engine bulong at ng produktong WhisperASR Swift |
| Pinagmumulan | openai/whisper-large-v3-turbo |
| Swift produkto | WhisperASR |
| CLI / Oras ng pagtakbo | speech transcribe --engine whisper |
Gamitin
Ang snippet sa ibaba ng salamin ang kasalukuyang speech-swift API o utos na inilantad ng 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 enMga Kaugnayan sa Modelo
Mga Nota ng Pag - iisa
- LibriSpeech test-malinis na hiwa sa isang M5 Pro: 1.40% WER, ibig sabihin RTF 0.089, 6.1 s modelong karga, 384 MB peak RSS — versus 1.53% / 0.085 / 100.2 s / 507 Ang MB para sa isang direktang WhisperKit ay tumatakbo ng parehong modelo.
- Ang bungkos ay nahahati sa apat na modelong CoreML — mel spectrogram, audio regulator, decoder na kontekstong prefill, at isang KV-cached na teksto na decoder — na may quarter at decoder sa Neural Engine.
- Ang sakim na no-timestamp decoding na may awtomatikong pagtutop ng wika o isang --language pahiwatig; ang audio ay prinoseso sa 30 slab na may paulit-ulit na-salitang bantay laban sa mga sakim na phronition loops.
- Ang mga salitang timestamps, temperature fallback, at VAD-guided long-form na naghahanap ay hindi pa ipinatutupad; --model tanggapin ang turbo, large-v3-turbo, o anumang Hugging Face repo ID.
Tingnan ang isang gabay sa pagpapasiya. Qwen3-ASR vs Whisper: katumpakan, bilis, at memorya.
Ang lokal na katutubong pahiwatig
Whisper ASRModel. mula sa Direktory mga karga na itinanghal nang buo Large-v3 CoreML mga bungkos. Ang 32-layer decoder ay maaaring magtayo ng prefix nito nang walang TextDecoderContPrefill.mlmodelc and releases per-steep tempories. Ang default Whisper CLI ay nananatiling model.