/ Модель

Характеристики

Размер весов
1,5 ГБ
Лицензия
Apache 2.0
Базовая модель
kotoba-whisper-v2.2
Библиотека
whisperkit
Опубликована
20 янв 2026

kotoba-whisper-v2.2-coreml

Распознавание речиАудио → текст5 профессий

kotoba-whisper-v2.2 CoreML — конвертированная версия модели kotoba-tech/kotoba-whisper-v2.2, подготовленная пользователем yslinear для работы с WhisperKit.

485скачиваний за 30 дней0лайковвеса обновлены21 янв 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

Базовая модель разработана Kotoba Technologies на основе архитектуры OpenAI Whisper с использованием подходов Distil-Whisper и данных японской речевой выборки ReazonSpeech.

Модель предназначена для автоматического распознавания японской речи и локальной транскрибации аудиофайлов на устройствах Apple. Она поставляется в формате CoreML (.mlmodelc) и оптимизирована для Apple Silicon и Apple Neural Engine. В комплект входят аудиоэнкодер, текстовый декодер и преобразователь Mel-спектрограммы; заявленная поддержка ANE составляет соответственно 100%, 98% и 72%.

Это дистиллированная модель с двумя слоями декодера вместо 32 слоёв в оригинальной Whisper large, что ориентировано на более эффективное выполнение при сохранении возможностей распознавания японской речи. Точные сведения о размере модели, длине контекста и поддержке других языков в README не указаны. Токенные временные метки отключены из-за несовместимости конфигурации alignment heads с дистиллированной архитектурой.

Модель распространяется по лицензии Apache License 2.0, как и исходная модель. Для использования требуется WhisperKit; формат и оптимизация ориентированы прежде всего на экосистему Apple.

Для каких профессий подходит5

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

kotoba-whisper-v2.2 CoreML

This is the CoreML conversion of kotoba-tech/kotoba-whisper-v2.2 for use with WhisperKit.

Model Details

Included Files

FileDescriptionANE Support
AudioEncoder.mlmodelcAudio feature encoder100%
TextDecoder.mlmodelcText decoder98%
MelSpectrogram.mlmodelcMel spectrogram converter72%

Usage with WhisperKit

import WhisperKit

let whisperKit = try await WhisperKit(
    modelFolder: "path/to/kotoba-tech_kotoba-whisper-v2.2"
)

let result = try await whisperKit.transcribe(
    audioPath: "path/to/audio.wav",
    language: "ja"
)

Notes

  • This is a distilled model with only 2 decoder layers (vs 32 in the original Whisper large model)
  • Token-level timestamps are disabled due to alignment heads configuration incompatibility with the distilled architecture

License

This model is released under the Apache License 2.0, following the original model's license.

Attribution

This is a derivative work based on:

Acknowledgments

Как запустить

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

GPU в ailist

Универсальный рантайм · whisperkit

Нельзя запустить

Библиотека «whisperkit» рантаймом не поддерживается.

Ревизия весов
57cfad4

0 моделей