Преобразованная в MLX мультиязычная модель Whisper для распознавания речи и преобразования аудио в текст.
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-turbo-fp16 — преобразованная в формат MLX модель распознавания речи на основе openai/whisper-large-v3-turbo. Разработчик репозитория mlx-community; преобразование выполнено с помощью mlx-audio-plus версии 0.1.4.
Модель предназначена для преобразования аудиозаписей в текст. Она использует архитектуру Whisper и поддерживает мультиязычное распознавание речи. Репозиторий содержит веса в формате safetensors и предназначен для работы с библиотекой mlx-audio-plus.
Лицензия — Apache-2.0. Производительность и качество зависят от языка, условий записи и используемого оборудования; README не приводит отдельных оценок для этой сборки.
README не приводит оценок качества этой сборки или конкретных ограничений по языкам и условиям записи.
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-turbo using mlx-audio-plus version 0.1.4.
pip install -U mlx-audio-plus
mlx_audio.stt --model mlx-community/whisper-large-v3-turbo-fp16 --audio audio.mp3
from mlx_audio.stt import transcribe
result = transcribe(
audio="audio.mp3",
model="mlx-community/whisper-large-v3-turbo-fp16",
)
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.