# Phonon-2 для Core ML: локальная транскрибация на Apple Neural Engine

Источник: https://modelium.tech/zhurnal/phonon-2-coreml-1-1-1-apple-neural-engine/

Fermion Research выпустила стабильный phonon-coreml 1.1.1 для запуска существующей англоязычной Phonon-2 на Apple Neural Engine. Пакет весов Core ML и декодер доступны отдельно на Hugging Face, код Swift/CLI — на GitHub; релиз от 6 октября 2026 года добавляет приём распространённых аудиоформатов с любой частотой дискретизации и вывод временных меток слов через --words. Веса имеют лицензию CC BY 4.0, код — Apache 2.0. Скорость и WER в карточке — измерения автора, не тест Modelium.

## Что произошло

6 октября 2026 года Fermion Research выпустила стабильный `phonon-coreml` **1.1.1**. Это не новая базовая модель Phonon-2: её веса были опубликованы ранее. Новость — отдельный Core ML-пакет для Apple Neural Engine и обновлённый открытый Swift runtime. По описанию релиза, версия 1.1.1 принимает распространённые аудиоформаты с любой частотой дискретизации, выводит временные метки слов флагом `--words` и понятнее сообщает о первой подготовке модели и ошибках. Временные метки уже описывались в версии 1.1.0; не следует приписывать их первое появление именно патчу 1.1.1 [s1](#src-s1) [s2](#src-s2) [s3](#src-s3).

В закреплённой ревизии Hugging Face лежат `Phonon-2.mlpackage`, `decoder.bin`, манифест, исходники Python-раннера и файлы лицензий. Полное дерево подтверждает наличие Core ML-весов (`weight.bin`, 329 186 560 байт) и декодера (13 301 279 байт); это **размеры файлов, не минимальные требования к RAM**. Манифест указывает функции для окон в 5, 10, 15 и 35 секунд и режим `cpuAndNeuralEngine`. Модель рассчитана на английскую речь; поддержку русской эта карточка не заявляет [s3](#src-s3) [s4](#src-s4) [s5](#src-s5).

## Кому и как запускать

Практический сценарий — локально расшифровывать английскую запись на Mac с Apple Silicon, сохраняя GPU доступным для других задач. Официальный Swift quickstart требует **macOS 15+**, Swift 6 и Xcode 16 либо Command Line Tools. Зафиксируйте Git-тег `1.1.1`, соберите `swift build -c release`, отдельно загрузите `FermionResearch/Phonon-2-CoreML` с Hugging Face и вызовите `.build/release/phonon-coreml-cli Phonon-2-CoreML recording.m4a --words`. Для воспроизводимости у пакета весов можно закрепить ревизию `e931079df1f6bff26f5f416c1c8880e76a0cf2a3`. После первоначального скачивания файлов обработка выполняется локально, но это не утверждение о сетевой изоляции всего компьютера или приложения [s2](#src-s2) [s3](#src-s3) [s4](#src-s4).

Swift CLI по документации принимает WAV, M4A, MP3, AIFF, CAF и FLAC; Python-раннер — WAV/FLAC и требует `coremltools`, NumPy, soundfile и SciPy. При первом запуске компиляция под Neural Engine может занять несколько минут, затем подготовленная копия кэшируется. Для длинного аудио авторский раннер режет запись по паузам на окна до 15 секунд; проверяйте качество сегментации на собственных файлах. iOS 18+ упомянута как поддерживаемая платформа Swift-библиотеки, но приведённая CLI-команда рассчитана на Mac [s2](#src-s2) [s3](#src-s3) [s5](#src-s5).

## Лицензии и оценка качества

**Веса — CC BY 4.0** с требованием атрибуции и указанием изменений; **код Swift/Python — Apache 2.0**. NOTICE сообщает, что Phonon-2 происходит от NVIDIA Parakeet TDT 0.6B v3, а также отдельно перечисляет происхождение и условия обучающих наборов. Наличие открытого кода не превращает лицензию весов в Apache 2.0; коммерческий сценарий требует соблюдения условий CC BY 4.0 и проверки применимых прав на данные [s3](#src-s3) [s6](#src-s6).

Карточка автора приводит средний **WER 5,21%** на семи английских наборах Open ASR Leaderboard для Core ML и сравнение с MLX, а также заявляет 6 секунд на часовую запись на M5 MacBook Air. Это **авторские измерения** с указанными наборами и машиной, а не независимая проверка Modelium; их нельзя переносить на другой Mac, язык или длину клипа. Для короткого аудио автор отдельно сообщает медиану 11 мс после загрузки модели — это другой режим измерения [s3](#src-s3).

## Как выбрать путь

Если нужен Apple Neural Engine и временные метки слов в Swift-приложении, берите Core ML-пакет. Если важнее прежний MLX/CPU-путь, смотрите [материал о базовой Phonon-2](/zhurnal/phonon-2-164mb-local-asr-mlx-cpu/); новая упаковка не заменяет его автоматически. Начните с включённых в репозиторий коротких тестовых клипов и сравните результат со своей англоязычной записью перед использованием в рабочем процессе [s2](#src-s2) [s3](#src-s3).

## Источники

1. [phonon-coreml 1.1.1: официальный стабильный релиз 6 октября](https://github.com/fermionresearch/phonon-coreml/releases/tag/1.1.1) — получено 2026-10-06
2. [phonon-coreml 1.1.1: закреплённые инструкции и системные условия](https://github.com/fermionresearch/phonon-coreml/blob/1.1.1/README.md) — получено 2026-10-06
3. [Phonon-2 Core ML: закреплённая карточка и методика автора](https://huggingface.co/FermionResearch/Phonon-2-CoreML/blob/e931079df1f6bff26f5f416c1c8880e76a0cf2a3/README.md) — получено 2026-10-06
4. [Phonon-2 Core ML: полный pinned tree и фактические размеры артефактов](https://huggingface.co/FermionResearch/Phonon-2-CoreML/tree/e931079df1f6bff26f5f416c1c8880e76a0cf2a3) — получено 2026-10-06
5. [Phonon-2 Core ML: манифест функций и compute units](https://huggingface.co/FermionResearch/Phonon-2-CoreML/blob/e931079df1f6bff26f5f416c1c8880e76a0cf2a3/manifest.json) — получено 2026-10-06
6. [Phonon-2 Core ML: NOTICE и происхождение весов](https://huggingface.co/FermionResearch/Phonon-2-CoreML/blob/e931079df1f6bff26f5f416c1c8880e76a0cf2a3/NOTICE) — получено 2026-10-06