Мультиязычная 4-битная версия Whisper large-v3 для распознавания речи и транскрибации аудио в текст с использованием MLX.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
mlx-community/whisper-large-v3-4bit — версия Whisper large-v3 от сообщества mlx-community, преобразованная из openai/whisper-large-v3 для использования с mlx-audio-plus. Модель предназначена для распознавания речи и преобразования аудио в текст; её можно применять для транскрибации записей и расшифровки речи в приложениях на MLX.
В основе лежит мультиязычная архитектура Whisper large-v3 от OpenAI. Название репозитория указывает на представление с 4-битной точностью; карточка сообщает о преобразовании в формат MLX, а метаданные указывают библиотеку mlx-audio-plus и файлы safetensors. Базовая модель поддерживает транскрибацию речи и перевод аудио в текст. Модель распространяется по лицензии Apache-2.0.
Для использования требуется среда MLX и библиотека mlx-audio-plus. Сведения о качестве распознавания и конкретном перечне поддерживаемых языков в предоставленных данных отсутствуют.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
This model was converted to MLX format from openai/whisper-large-v3 using mlx-audio-plus version 0.1.4.
pip install -U mlx-audio-plus
mlx_audio.stt --model mlx-community/whisper-large-v3-4bit --audio audio.mp3
from mlx_audio.stt import transcribe
result = transcribe(
audio="audio.mp3",
model="mlx-community/whisper-large-v3-4bit",
)
print(result["text"])
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · mlx-audio-plus
MLX-модели работают только на Apple Silicon.