AI2026Live
cohere-transcribe
High-throughput Arabic/English transcription, batched properly.
A Python package for offline batch transcription with Cohere's 2B Arabic/English ASR model: optimised voice activity detection, multi-file GPU batching under bounded memory, subtitle output and optional word-level timestamps.
Project detailsتفاصيل المشروع
- Role
- Contributor
- Year
- 2026
- Status
- Live
- Built with
- Python
- Silero VAD
- GPU batching
- SRT / VTT
- Hugging Face
- Where to find it
- Source
What it is
Transcribing one file is a solved problem. Transcribing a directory of hundreds without running out of GPU memory, and without spending most of the run on silence, is not.
The package handles individual files, multiple paths and nested directories with bounded-memory batching, and can return results directly or publish plain text, approximate segment-timed subtitles, or word-timed subtitles.
تفريغ ملف واحد مسألة محلولة. أما تفريغ مجلد فيه مئات الملفات دون نفاد ذاكرة المعالج الرسومي، ودون إنفاق معظم زمن التشغيل على الصمت، فليس كذلك.
تعالج الحزمة الملفات المفردة والمسارات المتعددة والمجلدات المتشعبة بمعالجة دفعية محدودة الذاكرة، وتستطيع إعادة النتائج مباشرة أو إخراج نص عادي أو ترجمات بتوقيت تقريبي للمقاطع أو ترجمات بتوقيت على مستوى الكلمة.
Challenges
Most of a recording is silence
The problem
Feeding raw audio to the model spends a large share of the compute transcribing pauses, which is the main reason long-file throughput is bad.
What I did
Voice activity detection segments speech first, so only speech reaches the model. The batching is then built around those segments rather than around file boundaries.
Results
- Directory-scale batch transcription with bounded memory and subtitle output.
- تفريغ دفعي على مستوى المجلدات بذاكرة محدودة وإخراج ترجمات.