Whisper Large-v3 Turbo
Trang Soniqo này ghi lại Whisper Large-v3 Turbo 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 | Whisper Large-v3 Turbo |
|---|---|
| Vai trò | General multilingual speech-to-text |
| Backend | CoreML fp16 on CPU and Neural Engine |
| Đầu ra | Text transcript |
| Ngôn ngữ | Whisper multilingual set, about 100 languages |
| Giấy phép | MIT weights from OpenAI |
| Trạng thái | Ready through speech transcribe --engine whisper and the WhisperASR Swift product |
| Nguồn | openai/whisper-large-v3-turbo |
| Sản phẩm Swift | WhisperASR |
| CLI / runtime | speech transcribe --engine whisper |
Cách dùng
Đoạn dưới đây khớp với API hoặc lệnh hiện tại do speech-swift cung cấp.
# Transcribe with the native CoreML Whisper runtime.
.build/release/speech transcribe recording.wav --engine whisper
.build/release/speech transcribe recording.wav --engine whisper --language enLiên kết model
Ghi chú triển khai
- 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.