Phonon-2 для Core ML: локальная транскрибация на Apple Neural Engine
На странице · 4 разделов
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 s2 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 s4 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 s3 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 s3 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 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.
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; 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 s3.
Источники
- phonon-coreml 1.1.1: официальный стабильный релиз 6 октября. Получено 06.10.2026.
- phonon-coreml 1.1.1: закреплённые инструкции и системные условия. Получено 06.10.2026.
- Phonon-2 Core ML: закреплённая карточка и методика автора. Получено 06.10.2026.
- Phonon-2 Core ML: полный pinned tree и фактические размеры артефактов. Получено 06.10.2026.
- Phonon-2 Core ML: манифест функций и compute units. Получено 06.10.2026.
- Phonon-2 Core ML: NOTICE и происхождение весов — LICENSE-WEIGHTS-CC-BY-4.0.txt и LICENSE-CODE-Apache-2.0.txt проверены в той же ревизии. Получено 06.10.2026.