MOSS Transcribe Diarize 0.9B

Trang Soniqo này ghi lại MOSS Transcribe Diarize 0.9B theo triển khai hiện có trong speech-swift / speech-core. Liên kết Hugging Face nằm bên dưới phần ghi chú tích hợp.

Ưu tiên trang nội bộ

Thẻ trên trang chính và menu tài liệu trỏ vào đây trước; liên kết model nguồn và bundle vẫn có trong trang này.

Tổng quan

Model	MOSS Transcribe Diarize 0.9B
Vai trò	Chép lời theo lô với nhãn người nói và mốc thời gian do model tạo
Backend	CoreML với frontend Whisper gốc dựa trên Accelerate
Đầu ra	Bản chép lời thuần văn bản và các đoạn có người nói cùng mốc thời gian
Ngôn ngữ	Model chép lời MOSS đa ngôn ngữ
Giấy phép	Hãy kiểm tra điều khoản của model nguồn và bundle cho mục đích sử dụng
Trạng thái	Có thể dùng qua speech transcribe --engine moss và sản phẩm Swift MossTranscribe
Nguồn	OpenMOSS-Team/MOSS-Transcribe-Diarize
Sản phẩm Swift	`MossTranscribe`
CLI / runtime	`speech transcribe --engine moss`

Cách dùng

Đoạn dưới đây khớp với API hoặc lệnh hiện tại do speech-swift cung cấp.

# INT8 là lựa chọn mặc định được khuyên dùng.
.build/release/speech transcribe recording.wav --engine moss

# Bản tham chiếu FP16.
.build/release/speech transcribe recording.wav --engine moss --model fp16

Liên kết model

Ghi chú triển khai

Benchmark khớp trên 80 đoạn tiếng Anh bằng M5 Pro: cả hai biến thể đạt WER tổng hợp 8,16% và CER 5,90%.
Gộp hai lần chạy đảo thứ tự, INT8 đạt RTF 0,070 (14,3× thời gian thực), FP16 đạt 0,079 (12,6×); RSS đỉnh lấy mẫu lần lượt là 2,38–2,40 GB và 3,69–3,74 GB.
Runtime Swift đảm nhiệm tiền xử lý Whisper log-mel chính xác, prompt MOSS có mốc thời gian, chèn embedding âm thanh, cập nhật bộ nhớ đệm MLState, giải mã tham lam và phân tích đầu ra có cấu trúc.
INT8 giữ encoder âm thanh và I/O decoder ở FP16, đồng thời áp dụng lượng tử hóa tuyến tính đối xứng INT8 block-32 cho decoder.
Prompt và đầu ra dùng chung ngữ cảnh cố định 1024 token. Runtime hiện chỉ chạy theo lô và từ chối --stream.