К содержимому
Аудио

whisper-large-v3-turbo-decoder-ane-int8

быстрый декодер Whisper для Apple Neural Engine

2 мин чтенияобновлено

Текстовый декодер модели распознавания речи openai/whisper-large-v3-turbo, сконвертированный в формат Core ML с квантованием int8 (сжатием весов для экономии памяти и ускорения) для работы на нейропроцессоре Apple Neural Engine. Модель создана автором raymondchins для диктовки на Mac и заменяет только текстовый декодер в связке с аудиоэнкодером и токенизатором из сборки WhisperKit от Argmax. В отличие от стандартного декодера WhisperKit, который обрабатывает по одному токену за вызов, эта версия хранит KV-кэш (промежуточные вычисления внимания) в состоянии Core ML и читает до 64 токенов за раз. Пригодится разработчикам приложений для macOS, которым нужно быстрое локальное распознавание речи без лишнего расхода памяти.

Ключевые особенности

  • Снижает время обработки одного токена на чипе M5 Max с 6.1 мс до 2.5 мс по сравнению со стандартным декодером WhisperKit.
  • Хранит KV-кэш внутри MLState и записывает данные через one-hot матрицы, благодаря чему операции выполняются на Neural Engine без отката на CPU.
  • Занимает всего 185 МБ для самого декодера (плюс около 134 МБ на файлы эмбеддингов в float16), сохраняя оригинальные веса OpenAI без дообучения.
  • Содержит три функции (cross, main и step), разделяющие общее состояние MLState, и поддерживает до 224 токенов на один фрагмент записи.

Что можно сделать

  • Интегрировать как компонент TextDecoding в проекты на базе WhisperKit для ускорения локальной диктовки и голосового ввода на Mac.
  • Использовать в компактных оффлайн-приложениях для транскрибации речи на устройствах Apple Silicon, где важен небольшой размер модели (в пару к сборке WhisperKit на 547 МБ).

Пример

Для запуска загрузите decoder.mlmodelc трижды с настройкой computeUnits = .cpuAndNeuralEngine и параметром MLModelConfiguration.functionName для функций cross, main и step. Создайте единое состояние через main.makeState(), передавайте его в каждый вызов (сначала cross для выхода энкодера, затем main для пакета до 64 токенов и step для генерации по одному токену), а файлы embed_tokens.f16 и embed_positions.f16 подключите через memory-mapping.

ПодробнееБенчмарк на M5 Max: 2.5 мс на токен против 6.1 мс у WhisperKit; медиана обработки целого фрагмента (p50) снизилась с ~557 мс до ~503 мс (в 11 из 12 тестов текст полностью совпал с версией fp16).
Требования: компьютер Mac на базе Apple silicon с macOS 15 или новее (требуется поддержка Core ML state).
Ограничения: максимум 224 токена на один проход вместе с промптом; заменяет только декодер и требует совместимый энкодер из сборки openai_whisper-large-v3-v20240930_547MB.
Лицензия: MIT (оригинальные веса OpenAI).
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.2 GB · готовые файлы0.7 GB
  • FP8 / INT8рекомендуемвеса 0.1 GB0.6 GB
  • 4-bitвеса 0.0 GB0.6 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # raymondchins/whisper-large-v3-turbo-decoder-ane-int8
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download raymondchins/whisper-large-v3-turbo-decoder-ane-int8 --local-dir ~/models/whisper-large-v3-turbo-decoder-ane-int8
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

openai/whisper-large-v3-turbo
  1. whisper-large-v3основа семьи
  2. whisper-large-v3-turbo
  3. whisper-large-v3-turbo-decoder-ane-int8

Новые посты про версии whisper-large-v3 — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 3Все на Hugging Face

О модели

raymondchins/whisper-large-v3-turbo-decoder-ane-int8
Автор
raymondchins
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии