/ Модель

Характеристики

Лицензия
MIT
Базовая модель
GigaAM-Multilingual
Библиотека
gigaam-multilingual-mlx
Опубликована
14 июл 2026

gigaam-multilingual-mlx

Распознавание речиАудио → текст9 профессий

Офлайн-модель GigaAM-Multilingual в формате MLX FP16 распознаёт речь и создаёт транскрипты на русском, английском, казахском, кыргызском и узбекском на компьютерах Apple Silicon.

82скачиваний за 30 дней2лайкавеса обновлены17 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

GigaAM-Multilingual MLX FP16 — независимый порт модели распознавания речи GigaAM-Multilingual для запуска через MLX на Apple Silicon. Модель преобразует аудио в текст и рассчитана прежде всего на офлайн-транскрибацию на macOS; артефакт содержит веса FP16 размером около 1,17 ГБ и распространяется по лицензии MIT.

Модель поддерживает русский, английский, казахский, кыргызский и узбекский языки. В сравнительном тесте на публичных наборах для основных языков FP16 показал макро WER 5,066%; качество и скорость могут отличаться на других устройствах и аудиоданных. Для работы нужны Apple Silicon, macOS 14 или новее и совместимая версия MLX.

Это распознавание речи без диаризации и потоковой обработки. Временные метки слов приблизительны; качество может снижаться из-за шума, удалённой речи, акцентов, переключения языков, музыки, одновременной речи и тематически отличающихся данных.

Сценарии применения

  • транскрибация русскоязычных аудиозаписей на Mac
  • распознавание казахской, кыргызской и узбекской речи
  • локальное преобразование речи в текст без облачного сервиса
  • создание субтитров и текстовых расшифровок аудиофайлов

Ограничения

Не выполняет диаризацию и потоковое распознавание; временные метки слов приблизительны. Точность может снижаться при шуме, удалённой речи, акцентах, переключении языков, музыке, перекрывающейся речи и на данных, отличающихся от публичных тестовых наборов.

Для каких профессий подходит9

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

GigaAM-Multilingual MLX FP16

Native offline speech recognition and audio transcription for Russian, Kazakh, Kyrgyz, and Uzbek on Apple Silicon with MLX. Core speech-to-text languages: Russian (русский), Kazakh (қазақша), Kyrgyz (кыргызча), and Uzbek (o‘zbekcha).

This independent port is based on the official GigaAM repository and GigaAM-Multilingual source model.

This repository contains the float16 reference artifact. Choose FP16 for the fastest measured five-minute run and reference-port fidelity.

GitHub · PyPI · All variants · Full benchmark

GigaAM MLX, Whisper, and Parakeet model decision matrix

Filled pills mark column leaders, outlined pills mark column runners-up, ◇ the Pareto frontier, and ★ the recommended default. Lower is better.

Quick start

Requires Apple Silicon, macOS 14+, Python 3.12 or 3.13, and ffmpeg.

brew install uv ffmpeg
uv tool install gigaam-multilingual-mlx==0.2.0
gigaam-stt audio.wav --variant fp16 --output transcript.txt

For a Python project use uv add gigaam-multilingual-mlx==0.2.0. The runtime downloads the immutable model-weight revision v0.1.0 once and reuses the standard Hugging Face cache.

Artifact

  • Hub revision: v0.1.0
  • Source revision: 3905cd51c3ed4e88c8edf33f3302969ba480a327
  • Model size: model.safetensors — 1.17 GB
  • Weights SHA-256: d6d7bcef5e1b77700c84d669635a88021724fd3b1ae0c408890bccdf3c8d2269
  • Config SHA-256: 72c544eec78996dc57ed88f8308d735647644e981ec81f46ce945ee1b027a174
  • Runtime compatibility: gigaam-multilingual-mlx>=0.1.0,<0.3.0, mlx>=0.32,<0.33

manifest.json records source and parent revisions, hashes, conversion metadata, quantization rules, strict-load validation, and compatibility without machine-local paths.

Benchmark highlights

  • Original GigaAM ranks first at 5.046% core macro WER; MLX FP16 ranks second at 5.066%, a difference of only +0.020 percentage points.
  • INT8 reached 3.013% Russian WER and 4.351% / 5.582% / 7.334% WER on Kazakh, Kyrgyz, and Uzbek in the pinned public FLEURS selections.
  • On one Russian five-minute WAV, INT8 was 3.30× faster than Whisper v3 Turbo, 7.02× faster than large-v2, and 8.94× faster than large-v3.
  • Whisper and Parakeet were better on the English appendix. Results come from one 14-inch MacBook Pro with Apple M4 Pro and 48 GB memory.
GigaAM MLX variantCore macro WER5-min WAVPeak RAMModel size
FP165.066%1.952s1.350 GB1.171 GB
INT8 g64 (default)5.070%2.036s0.877 GB0.699 GB
INT6 g645.069%2.195s0.755 GB0.573 GB
INT4 g645.219%2.563s0.626 GB0.447 GB

See the full reproducible report for all nine compared models, per-language WER/CER, paired-bootstrap confidence intervals, commands, hashes, and limitations.

Local transcription server

Version 0.2.0 adds an optional OpenAI-compatible transcription endpoint:

uv tool install 'gigaam-multilingual-mlx[server]==0.2.0'
gigaam-stt serve --variant fp16

See the server guide for curl and Python examples, network access, and limitations. whisper-1 is a compatibility alias; inference still uses GigaAM Multilingual MLX.

Intended use and limitations

Intended for local, offline automatic speech recognition in Russian, English, Kazakh, Kyrgyz, and Uzbek on Apple Silicon. It is not a diarization system, realtime streaming service, forced aligner, or cloud service. Word timestamps are approximate greedy-CTC frame timings. Accuracy can degrade with noise, far-field speech, accents, code-switching, music, overlapping speakers, or domains unlike the public evaluation subsets.

Only Apple M4 Pro was benchmarked for this release. M1-M5 machines are expected to be runtime-compatible within the documented macOS/MLX range, but they are not claimed to have the same speed or memory figures.

License and provenance

The MLX port and converted artifacts are released under MIT, matching the upstream license. See LICENSE and THIRD_PARTY_NOTICES.md. The exact upstream repository is https://github.com/salute-developers/GigaAM; the source model card is https://huggingface.co/ai-sage/GigaAM-Multilingual.

Citation

Please cite both this MLX software release and the original GigaAM-Multilingual work:

@software{popkov2026gigaammlx,
  author = {Maksim Popkov},
  title = {GigaAM-Multilingual MLX},
  year = {2026},
  version = {0.2.0},
  url = {https://github.com/ai-babai/gigaam-multilingual-mlx}
}

@misc{gigaam_multilingual,
  title = {GigaAM Multilingual: Foundation Model for Underrepresented Languages},
  author = {Andrei Kuzmenko and Alexandr Maximenko and Aleksandr Kutsakov and Georgii Gospodinov and Dmitrii Bolotov and Oleg Kutuzov and Pavel Bogomolov and Fyodor Minkin},
  year = {2026},
  eprint = {2607.10371},
  archivePrefix = {arXiv},
  primaryClass = {eess.AS},
  url = {https://arxiv.org/abs/2607.10371}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · gigaam-multilingual-mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов
2532f20

0 моделей