/ Модель

Характеристики

Лицензия
CC BY 4.0
Архитектура
canary · dense
Базовая модель
Sophea-Canary-ASR
Библиотека
mlx-audio
Опубликована
6 июл 2026

Sophea-Canary-ASR-mlx

Распознавание речиАудио → текст5 профессий

Модель распознаёт греческую и английскую речь и переводит греческую речь на английский на устройствах Apple Silicon.

48скачиваний за 30 дней0лайковвеса обновлены6 июл 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

Sophea-Canary-ASR-mlx — конвертированная в формат MLX модель распознавания речи для Apple Silicon, опубликованная KIEFERSA. Это дообученная двуязычная версия NVIDIA Canary-1B-v2: около 978 млн параметров, FastConformer-энкодер и Transformer-декодер с механизмом attention. Веса представлены в bfloat16 и занимают около 1,9 ГБ; для работы используется библиотека mlx-audio.

Модель распознаёт греческую и английскую речь, а также переводит речь с греческого на английский. Принимает монофонический звук с частотой 16 кГц; README сообщает об автоматическом приведении входного аудио к этой частоте. В тестах на FLEURS указаны WER 9,4% для греческого и 7,3% для английского. При распознавании греческого текста конечная сигма может выводиться как обычная σ; README предлагает детерминированную постобработку для восстановления ς. Лицензия — CC BY 4.0.

Сценарии применения

  • Транскрибирование греческой речи в текст
  • Транскрибирование английской речи в текст
  • Перевод греческой речи на английский
  • Распознавание речи на Apple Silicon без PyTorch и NeMo

Ограничения

Для греческого распознавания может потребоваться постобработка конечной сигмы: модель выводит σ вместо ς. Перевод речи описан только для направления с греческого на английский.

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

Sophea-Canary-ASR — MLX (bf16)

Greek 🇬🇷 / English 🇬🇧 speech recognition & translation on Apple Silicon.

MLX conversion of KIEFERSA/Sophea-Canary-ASR — a bilingual fine-tune of NVIDIA's canary-1b-v2 (978M params: FastConformer encoder + Transformer attention decoder). This repo runs natively on Apple Silicon via mlx-audio, no PyTorch or NeMo required.

Capabilities

Tasksource_lang → target_lang
Greek ASRel → el
English ASRen → en
Greek → English translationel → en
  • Weights: bfloat16, ~1.9 GB
  • Sample rate: 16 kHz mono (auto-resampled from any input)
  • Speed: faster than real-time on M-series (RTF ≈ 0.11, bf16)

Quickstart

pip install mlx-audio soundfile
import re
import mlx_audio.stt as stt

model = stt.load("KIEFERSA/Sophea-Canary-ASR-mlx")

# Greek orthography helper (see note below)
def denormalize_greek(text: str) -> str:
    return re.sub(r"σ\b", "ς", text)   # word-final σ -> ς

# Greek ASR
out = model.generate("audio.wav", source_lang="el", target_lang="el")
print(denormalize_greek(out.text))

# Greek → English translation
print(model.generate("audio.wav", source_lang="el", target_lang="en").text)

# English ASR
print(model.generate("audio.wav", source_lang="en", target_lang="en").text)

Greek final sigma

Canary's tokenizer represents final sigma as the medial form σ, so Greek output comes out as e.g. εποχήσ. Restore standard orthography with the one-line denormalize_greek helper above — a deterministic, lossless rule, since in Greek σ never appears word-finally: εποχήσ → εποχής. Apply it to Greek (target_lang="el") output only; English and translation output need nothing.

Performance

Full FLEURS test set (Greek n=650, English n=647; greedy, bf16):

LanguageWERCER
Greek (el_gr)9.4%3.95%
English (en_us)7.3%3.60%

Greek WER measured after the word-final σ→ς step above.

NeMo vs MLX

Full FLEURS test WER, NeMo (.nemo) checkpoint vs this MLX (bf16) build:

FLEURS testNeMoMLX (bf16)
Greek (el_gr)12.699.4
English (en_us)12.97.3

MLX figures measured over the full FLEURS test split (lowercase, punctuation-stripped).

Model details

ArchitectureFastConformer encoder (32 layers) + Transformer AED decoder (8 layers)
Parameters~978M
TokenizerUnified SentencePiece, 16,384 tokens
Base modelnvidia/canary-1b-v2
Fine-tuneKIEFERSA/Sophea-Canary-ASR
Runtimemlx-audio (Apple MLX)
Precisionbfloat16

Also available

An int8-quantized variant (~1.1 GB, smaller & faster with a small accuracy trade-off) can be produced with mlx-audio's quantization, or loaded the same way.

License & credits

Released under CC-BY-4.0, inheriting the license of nvidia/canary-1b-v2. Fine-tune by KIEFERSA; MLX packaging for Apple Silicon via mlx-audio (Blaizzy).

@model{sophea_canary_asr_mlx,
  title  = {Sophea-Canary-ASR — MLX},
  author = {KIEFERSA},
  note   = {MLX conversion of a Greek/English canary-1b-v2 fine-tune},
  year   = {2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx-audio

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов
1d0827f

0 моделей