/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
MOSS-Transcribe-preview-2B
Библиотека
mlx
Опубликована
24 июл 2026

MOSS-Transcribe-preview-2B-MLX

Распознавание речиАудио → текст

MLX-версия MOSS-Transcribe-preview-2B для распознавания английской речи в аудио и преобразования её в текст.

0скачиваний за 30 дней0лайковвеса обновлены2 авг 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

Peacockery представляет преобразование весов MOSS-Transcribe-preview-2B для MLX. Модель распознаёт английскую речь и преобразует аудио в текст. Архитектура сочетает аудиоэнкодер Qwen3-Omni-MoE, адаптер gated-MLP и декодер на базе Qwen3-1.7B; размер исходной модели — около 2,4 млрд параметров.

Репозиторий содержит варианты bf16 и 4-битной аффинной квантизации с группой 64: отдельно для текстового декодера и для всех весов. В описанной проверке на LibriSpeech clean-test вариант MLX bf16 показал WER 1,80% на 100 примерах. Для загрузки нужен runtime проекта moss-mlx-conversion: стандартный mlx-lm эту архитектуру не поддерживает. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация английских аудиозаписей
  • распознавание речи в англоязычных подкастах
  • создание текстовых расшифровок аудиокниг
  • распознавание речи в англоязычных записях звонков

Ограничения

Модель рассчитана на английскую речь. Для запуска требуется runtime проекта moss-mlx-conversion; vanilla mlx-lm её не загружает.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MOSS-Transcribe-preview-2B — MLX conversion

MLX-weight conversion of OpenMOSS-Team/MOSS-Transcribe-preview-2B, an English speech-to-text model pairing a Qwen3-1.7B-base decoder with a Qwen3-Omni-MoE audio encoder and a gated-MLP adapter (~2.4B parameters, Apache-2.0 upstream).

Converted from the upstream bf16 safetensors by the peacock-asr moss-mlx-conversion project.

Variants

DirectoryPrecisionSizeNotes
MOSS-Transcribe-preview-2B-bf16/bf164.6 GBReference MLX-layout conversion; matched PyTorch transcript exactly on the LibriSpeech smoke fixture.
MOSS-Transcribe-preview-2B-text-decoder-4bit-g64/4-bit affine, group 64 (text decoder only)2.7 GBStrongest quantized candidate in the conversion project: 2.48 RTFx on the first 20 LibriSpeech clean-test rows with no bf16 WER regression on that slice.
MOSS-Transcribe-preview-2B-all-4bit-g64/4-bit affine, group 64 (all weights)1.3 GBFull-model 4-bit; retained as a size-optimal candidate.

Each variant ships config.json, the Qwen ByteLevel tokenizer files, and the conversion/quantization reports produced by the converter.

Validation (Apple Silicon, conversion project)

  • LibriSpeech clean-test 100-row baseline: 1.80% WER, 1.61 RTFx (MLX bf16), vs 2.01% WER on the PyTorch bf16 reference.
  • Weight-load, fixture-transcription, and streamed-eval gates passed on Apple Silicon.

Usage

These weights are not loadable by vanilla mlx-lm. MOSS-Transcribe is a multimodal audio-encoder + adapter + Qwen3-decoder architecture with no upstream mlx-lm model type. Load them with the conversion project's runtime:

git clone https://github.com/chikingsley/peacock-asr
cd peacock-asr/projects/moss-mlx-conversion
uv run moss-streaming-eval --weights <variant-dir>   # streamed LibriSpeech WER eval

See the project README.md and docs/PROGRESS.md for the smoke test (moss-mlx-smoke), the local backend (MossTranscribeBackend.generate), and eval harness details.

License

Apache-2.0, matching the upstream model. If you use these weights, also cite the upstream model:

@misc{moss_transcribe_2025,
  title        = {{MOSS-Transcribe-preview-2B}},
  author       = {{OpenMOSS Team}},
  year         = {2025},
  howpublished = {\url{https://huggingface.co/OpenMOSS-Team/MOSS-Transcribe-preview-2B}}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов
f453d01

0 моделей