/ Модель

Характеристики

Размер весов
3 ГБ
Лицензия
MIT
Базовая модель
whisper-base
Библиотека
whisperkit
Опубликована
29 июл 2026

whisperkit-coreml

Распознавание речиАудио → текст5 профессий

DictionLabs/whisperkit-coreml — набор моделей OpenAI Whisper, преобразованных компанией Diction Labs в формат CoreML для распознавания речи на устройствах Apple.

1 289скачиваний за 30 дней0лайковвеса обновлены4 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Сборка создана с помощью whisperkittools на основе MIT-лицензированных контрольных точек Whisper и предназначена для использования через WhisperKit и argmax-oss-swift.

В набор входят варианты на базе whisper-base, whisper-small и whisper-large-v3-turbo, включая полноточные версии и сжатую версию dictionlabs_whisper-large-v3-turbo-q6q8 размером 737 МБ. Сжатая модель использует 6-битное представление encoder и 8-битное представление decoder, занимая около 45% размера полноточной версии large-v3-turbo, размер которой составляет 1,63 ГБ. Модели предназначены для задач automatic speech recognition и поддерживают многоязычную транскрипцию; в приведённых проверках оценивались английский, немецкий, французский, японский, корейский и китайский языки.

Ключевое преимущество набора — выполнение распознавания непосредственно на Apple hardware, включая использование Neural Engine. По данным разработчика, сжатая версия на M1 Mac mini работает примерно в 9,6 раза быстрее реального времени и по качеству близка к полноточной: на 150 фрагментах спонтанной речи WER составил 11,14% против 10,96%, а результаты совпали на 141 фрагменте. Показатели зависят от языка, качества речи и уровня шума; приведённые тесты имеют ограниченный объём и не заменяют полноценную оценку для конкретного сценария.

Модели распространяются по лицензии MIT. Для первого запуска токенизаторы загружаются отдельно из соответствующих репозиториев openai/whisper-*, поэтому даже при наличии весов на диске требуется доступ к сети.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

whisperkit-coreml

OpenAI Whisper in CoreML format, published by Diction Labs for on-device speech-to-text on Apple hardware. Everything here is our own build, made with whisperkittools (MIT) from OpenAI's MIT-licensed Whisper checkpoints.

Use with WhisperKit

let config = WhisperKitConfig(
    model: "openai_whisper-base",
    modelRepo: "DictionLabs/whisperkit-coreml"
)
let pipe = try await WhisperKit(config)

Runs on argmax-oss-swift (MIT). Tokenizers are resolved separately from the matching openai/whisper-* repo, so a first run still needs network access even with the weights already on disk.

Variants

FolderBase modelSize
openai_whisper-baseopenai/whisper-basefull precision
openai_whisper-smallopenai/whisper-smallfull precision
openai_whisper-large-v3-turboopenai/whisper-large-v3-turbofull precision, 1.63 GB
dictionlabs_whisper-large-v3-turbo-q6q8openai/whisper-large-v3-turbocompressed, 737 MB

dictionlabs_whisper-large-v3-turbo-q6q8 is a compressed version of the turbo model above, same weights, reduced precision (encoder 6-bit, decoder 8-bit), 45% of the size. Verified against the full precision build with real transcription tests, not just internal accuracy checks.

Headline (2026-09-04): on 150 clips of real spontaneous speech (VoxPopuli, 113 speakers, en/de/fr) the compressed build scores 11.14% WER vs 10.96% for full precision — a +0.18 pt difference inside sampling noise — and produces the identical output to full precision on 141 of 150 clips. Under added noise down to 0 dB SNR (240 clips) the two are within 0.1 pt. Runs at ~9.6× realtime on an M1 Mac mini via the Neural Engine. Full methodology, noise tables, weight-fidelity figures and caveats: dictionlabs_whisper-large-v3-turbo-q6q8/README.md.

Read-speech check (FLEURS, 5 clips per language, absolute numbers inflated by a simple normalizer):

LanguageFull precision (WER/CER)Compressed (WER/CER)
German2.8%3.4%
English15.5%15.5%
French7.8%8.8%
Japanese2.6%2.6%
Korean18.1%22.5%
Chinese9.0%9.0%

Licence

MIT, same as upstream Whisper.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · whisperkit

Нельзя запустить

Библиотека «whisperkit» рантаймом не поддерживается.

Ревизия весов
c281d38

0 моделей