К содержимому
Аудио

Whisper large-v3 Core ML (8-bit)

локальная расшифровка речи на устройствах Apple в два раза легче

2 мин чтенияобновлено

Это конвертация известной модели распознавания речи openai/whisper-large-v3 в формат Core ML для фреймворка WhisperKit. Веса модели квантованы в 8 бит (сжаты для ускорения и экономии памяти), благодаря чему она работает на Apple Neural Engine и занимает около 1,56 ГБ вместо 3,1 ГБ у обычной версии float16. Модель решает задачу локальной транскрибации (перевода аудио в текст) без отправки записей в облако, сохраняя точность оригинала. Пригодится разработчикам приложений под macOS, iOS и iPadOS, которым нужно быстрое и качественное распознавание речи прямо на устройстве.

Ключевые особенности

  • Компактный размер: общий вес около 1,56 ГБ (648 МБ кодировщик аудио и 910 МБ текстовый декодер), что вдвое меньше версии float16.
  • Высокая скорость на Mac: средний показатель RTF (время обработки на секунду аудио) составляет 0,21 против 0,55 у версии float16.
  • Почти без потери точности: средний уровень ошибок WER по 10 тестовым наборам — 8,0 % против 7,9 % у оригинальной версии float16.
  • Готовность к продакшену: модель уже используется в приложении Sagt для Mac, iPhone и iPad.

Что можно сделать

  • Встроить локальный диктофон или расшифровку голосовых заметок в приложения для iPhone, iPad и Mac через библиотеку WhisperKit.
  • Добавить офлайн-транскрибацию созвонов, интервью и подкастов на английском, немецком, нидерландском, испанском и французском языках без затрат на облачные API.

Пример

let folder = try await WhisperKit.download(
    variant: "openai_whisper-large-v3_8bit",
    from: "Selbyggen/whisper-large-v3-coreml"
)
let kit = try await WhisperKit(WhisperKitConfig(modelFolder: folder.path))
let result = try await kit.transcribe(audioPath: "recording.m4a")
ПодробнееСредний WER по 10 наборам (FLEURS и VoxPopuli для en, de, nl, es, fr): 8,0 % (против 7,9 % у float16 и 8,7 % у large-v3 turbo).
Скорость: средний RTF на Mac — 0,21 (ниже — быстрее; у float16 — 0,55).
Квантование: линейное симметричное int8 по каналам через coremltools (веса 8 бит, активации 16 бит, мел-спектрограмма в float16).
Совместимость: устройства Apple с поддержкой Core ML / Apple Neural Engine через WhisperKit; лицензия Apache 2.0.
Обсудить Telegram 0 16

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.8 GB · готовые файлы1.4 GB
  • FP8 / INT8рекомендуемвеса 0.4 GB1.0 GB
  • 4-bitвеса 0.2 GB0.8 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.

    # Selbyggen/whisper-large-v3-coreml
    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 Selbyggen/whisper-large-v3-coreml --local-dir ~/models/whisper-large-v3-coreml
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к whisper-large-v3-coreml
  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

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

Selbyggen/whisper-large-v3-coreml
Автор
Selbyggen
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

160

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии