Whisper Large-v3 Turbo

Bu Soniqo sayfası, yerel speech-swift / speech-core uygulamasındaki Whisper Large-v3 Turbo modelini belgeler. Hugging Face bundle bağlantıları entegrasyon notlarından sonra yer alır.

Önce dahili sayfa

Açılış kartları ve belge menüleri önce buraya yönlenir; kaynak model ve bundle bağlantıları bu sayfada kalır.

Özet

Model	Whisper Large-v3 Turbo
Rol	General multilingual speech-to-text
Backend	CoreML fp16 on CPU and Neural Engine
Çıktı	Text transcript
Diller	Whisper multilingual set, about 100 languages
Lisans	MIT weights from OpenAI
Durum	Ready through speech transcribe --engine whisper and the WhisperASR Swift product
Kaynak	openai/whisper-large-v3-turbo
Swift ürünü	`WhisperASR`
CLI / runtime	`speech transcribe --engine whisper`

Kullanım

Aşağıdaki parça, speech-swift deposundaki güncel API veya komutla eşleşir.

# Transcribe with the native CoreML Whisper runtime.
.build/release/speech transcribe recording.wav --engine whisper
.build/release/speech transcribe recording.wav --engine whisper --language en

Model bağlantıları

Uygulama notları

LibriSpeech test-clean slice on an M5 Pro: 1.40% WER, mean RTF 0.089, 6.1 s model load, 384 MB peak RSS — versus 1.53% / 0.085 / 100.2 s / 507 MB for a direct WhisperKit run of the same model.
The bundle splits into four CoreML models — mel spectrogram, audio encoder, decoder context prefill, and a KV-cached text decoder — with the encoder and decoder on the Neural Engine.
Greedy no-timestamp decoding with automatic language detection or a --language hint; audio is processed in 30 s chunks with a repeated-word guard against greedy hallucination loops.
Word timestamps, temperature fallback, and VAD-guided long-form seeking are not implemented yet; --model accepts turbo, large-v3-turbo, or any Hugging Face repo ID.