/ Модель

Характеристики

Лицензия
MIT
Архитектура
whisper · dense
Базовая модель
whisper-large-v3-turbo
Библиотека
mlx
Опубликована
11 июл 2026

whisper-large-v3-turbo-mlx-8bit

Распознавание речиАудио → текст

8-битная сборка Whisper large-v3-turbo для быстрого распознавания речи в текст на устройствах Apple с MLX.

119скачиваний за 30 дней0лайковвеса обновлены4 окт 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

Это 8-битная сборка Whisper large-v3-turbo в формате MLX, подготовленная для распознавания речи на устройствах Apple с Apple silicon. Веса получены квантизацией слоёв Linear и Embedding базовой модели openai/whisper-large-v3-turbo; используется аффинная квантизация с размером группы 64. Репозиторий содержит веса и конфигурацию, но не токенизатор: требуется стандартный токенизатор openai/whisper-large-v3.

Модель принимает аудио и преобразует речь в текст. README приводит результаты тестов на 1 000 русских аудиоклипах из FLEURS и GOLOS: WER составил 4,60% и 17,64% соответственно; на M4 заявлена скорость 6,7× относительно указанной в тесте базовой производительности. MLX позволяет загружать модель на Metal GPU без компиляции для Neural Engine.

Лицензия — MIT. Результаты точности и скорости относятся к описанным наборам данных, режиму жадного декодирования и устройству M4; они не гарантируют те же показатели на других записях и оборудовании.

Сценарии применения

  • транскрибация русских аудиозаписей на Mac с Apple silicon
  • распознавание речи в голосовых заметках
  • создание текстовых расшифровок аудиоклипов
  • локальное распознавание речи без компиляции модели для Neural Engine

Ограничения

Токенизатор не включён в репозиторий и требует отдельной загрузки стандартного токенизатора Whisper. Опубликованные показатели измерены только на русских клипах FLEURS и GOLOS в режиме жадного декодирования на M4.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

whisper-large-v3-turbo — MLX 8-bit

Whisper large-v3-turbo in the mlx-whisper layout, quantized to 8-bit for on-device speech-to-text on Apple silicon.

How it was made

From mlx-community/whisper-large-v3-turbo (fp16): every Linear and Embedding layer (233 modules) quantized with mlx.nn.quantize — affine, 8-bit, group size 64 — the recipe of mlx-examples' whisper/convert.py. config.json is the mlx-whisper "dims" config with a "quantization": {"group_size": 64, "bits": 8} block.

Files

  • weights.safetensors — quantized weights (864 MB)
  • config.json

The tokenizer is not included: use the standard openai/whisper-large-v3 tokenizer.

Why MLX

It loads straight onto the Metal GPU with no Neural Engine compile — about half a second from disk, where a Core ML Whisper spends minutes specializing on first launch and after every app install or update.

Accuracy

Measured on 1,000 Russian clips (500 FLEURS, 500 GOLOS), language auto-detected, greedy decode, on an M4 Mac:

builddownloadFLEURS WERGOLOS WERspeed
8-bit (transcriber-app/whisper-large-v3-turbo-mlx-8bit)864 MB4.60 %17.64 %6.7×
6-bit (not published)664 MB4.70 %18.10 %6.8×
5-bit (transcriber-app/whisper-large-v3-turbo-mlx-5bit)564 MB4.71 %17.64 %7.0×
4-bit (not published)463 MB5.23 %17.39 %6.9×
Core ML, Argmax's 4-bit palettized build (for reference)633 MB4.85 %18.80 %11.8×

8-bit is the most accurate build. The 5-bit build gives up about a tenth of a FLEURS point for a third less download; below 5 bits accuracy drops clearly.

Licence

MIT, as the original Whisper weights. Other build: 5-bit.

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
1729a95

0 моделей