/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
CrisperWhisper2.0_small
Библиотека
crisperwhisper
Опубликована
27 июл 2026

CrisperWhisper2.0-GGML

Распознавание речиАудио → текст

Неофициальные FP16-конверсии CrisperWhisper 2.0 в GGML для дословной транскрибации английской и немецкой речи с временными метками слов.

0скачиваний за 30 дней2лайкавеса обновлены14 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

CrisperWhisper 2.0 GGML — неофициальная конверсия чекпойнтов CrisperWhisper 2.0 от сообщества для нативного C++-рантайма CrisperWhisper.cpp. Она предназначена для распознавания речи с дословной транскрибацией, сохранением речевых запинок и временными метками слов; поддерживается обработка длинных записей с объединением фрагментов. Рантайм работает на Windows и Linux с CPU, NVIDIA CUDA и Linux ARM64, без Python при инференсе.

В репозитории представлены варианты Small, Medium и Turbo в формате GGML с точностью FP16; целочисленной квантизации нет. Для отдельных вариантов README указывает размеры файлов от 488 МБ до 1,62 ГБ. Метаданные связывают модель с несколькими чекпойнтами Nyra Labs, а README уточняет, что это конвертированные upstream-веса, а не отдельно обученная модель. Указана поддержка английского и немецкого языков.

Модель подходит для локальной транскрибации аудио и получения временных меток слов. Проверка описана для CPU, а для Turbo и Large — также для CUDA. Результаты могут немного отличаться от Python/Transformers из-за различий численного бэкенда и декодирования; FP16 требует больше места и памяти, чем целочисленно-квантованные модели. В C++-рантайме пока нет speculative draft decoding, forced alignment и полного стека восстановления от галлюцинаций. Лицензия указана как other; README называет конверсию неофициальной и отмечает, что gated Large Pro не включён.

Сценарии применения

  • дословная транскрибация аудиозаписей
  • сохранение речевых запинок в расшифровке
  • получение временных меток для каждого слова
  • транскрибация длинных записей с объединением фрагментов
  • локальное распознавание речи на CPU или NVIDIA CUDA

Ограничения

Результаты могут немного отличаться от Python/Transformers; FP16-файлы требуют больше места и памяти, чем целочисленно-квантованные модели. В C++-рантайме пока не реализованы speculative decoding, forced alignment и полный стек восстановления от галлюцинаций.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

CrisperWhisper 2.0 GGML

Unofficial FP16 GGML conversions of the public CrisperWhisper 2.0 checkpoints for CrisperWhisper.cpp, a native Windows/Linux C++ runtime with CPU, NVIDIA CUDA, supervised word timestamps, and long-form stitching. Python is not required during inference.

This is an unofficial community conversion. It is not affiliated with, endorsed by, or maintained by Nyra Health or Nyra Labs.

Files and exact upstream revisions

ModelGGML fileSizeUpstream checkpointRevision
Smallggml-crisperwhisper-small-f16.bin488 MBnyralabs/CrisperWhisper2.0_small57750c47fde52dc1b016ec2bd4bf4704944cf3df
Mediumggml-crisperwhisper-medium-f16.bin1.53 GBnyralabs/CrisperWhisper2.0_mediumcc01b03e6d9486e6d15688bac3077380c0775c61
Turboggml-crisperwhisper-turbo-f16.bin1.62 GBnyralabs/CrisperWhisper2.0_turbo831f87e1d69c3799fa05fd5e21c01fbb0b6957c0
Largeggml-crisperwhisper-large-f16.bin3.09 GBnyralabs/CrisperWhisper2.0_largef4334f6e8193f2691212d49b20fa12d370e13896

These are FP16 conversions, not integer-quantized models. Each .bin has a matching .bin.metadata.json sidecar containing its immutable source revision, revision-specific supervised alignment heads, and generation suppression list. Keep both files together; CrisperWhisper.cpp v1.2.0 discovers the sidecar automatically.

The gated CrisperWhisper2.0_large_pro checkpoint is not included. It requires approval and its applicable commercial model license.

Download

hf download drbaph/CrisperWhisper2.0-GGML \
  ggml-crisperwhisper-turbo-f16.bin \
  ggml-crisperwhisper-turbo-f16.bin.metadata.json \
  --local-dir models

Replace turbo with small, medium, or large.

Native runtime

Download source and prebuilt Windows/Linux CPU, CUDA, and Linux ARM64 packages from:

The CUDA v1.2.0 packages contain native code for every CUDA 13 target from SM 86 through SM 121 and retain a CPU fallback. Models are not duplicated in the GitHub release archives.

Usage

Windows:

.\crisper-whisper.exe `
  --model .\models\ggml-crisperwhisper-turbo-f16.bin `
  --file .\audio.wav `
  --mode verbatim `
  --language en

Linux:

./crisper-whisper \
  --model ./models/ggml-crisperwhisper-turbo-f16.bin \
  --file ./audio.wav \
  --mode verbatim \
  --language en

Word timestamps and boundary-safe repeated-speech stitching:

./crisper-whisper \
  --model ./models/ggml-crisperwhisper-turbo-f16.bin \
  --file ./long-audio.wav \
  --longform-strategy chunked-lcs \
  --word-timestamps \
  --json

The CLI accepts WAV, MP3, FLAC, and Ogg Vorbis and automatically decodes, downmixes, and resamples input to mono 16 kHz in memory. No FFmpeg subprocess or preprocessing script is required.

Normal transcription keeps GGML Flash Attention enabled. The optional supervised timestamp path uses an additional teacher-forced no-Flash alignment pass because fused Flash Attention does not expose the required decoder/audio cross-attention matrix.

Validation

Every refreshed model passed native CPU transcription and supervised word-timestamp validation on the bundled JFK sample. Turbo and Large also passed native CUDA inference on an RTX 5090. The chunked-lcs 55-second, five-copy JFK regression returned 110 words across two chunks with zero invalid timestamps and zero adjacent overlaps.

Original project and paper

Limitations

  • These are conversions of upstream checkpoints, not separately trained models.
  • Output can differ slightly from Python/Transformers because the numerical backend and decoding implementation differ.
  • FP16 files use more storage and memory than integer-quantized models.
  • Speculative draft-model decoding, forced alignment, and the complete upstream hallucination-recovery stack are not yet implemented in the C++ runtime.
  • Large Pro is not included.

License

These conversions do not change or replace the original model license.

Small, Medium, Turbo, and Large weights, configuration, tokenizers, parameters, and model outputs remain governed by the Nyra Health Non-Commercial Research License. Review that license before downloading, using, modifying, or redistributing these converted files. The original models, architecture, research, and related intellectual property belong to their respective rights holders.

Как запустить

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

GPU в ailist

Универсальный рантайм · crisperwhisper

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
0784e20

0 моделей