Hugging Face、Apple デバイスで音声認識と判断を行う Swift パッケージ 2 件を発表

發生什麼事

Hugging Face は公式ブログ（Introducing AnySpeechRecognizer and AnyDecisionModel: Open Models for Speech and Decisions on Apple Platforms）で、Apple デバイス上でオープンモデルを動かす 2 つの Swift パッケージを発表しました。どちらも Hugging Face Hub からモデルをダウンロードし、デバイス上で実行できます。

AnySpeechRecognizer は macOS 26、iOS 26 の音声をテキスト化する API を使い、既定では Apple のエンジンを利用します。NVIDIA の Parakeet や Alibaba の Qwen3-ASR に切り替えてローカルで実行でき、Apple にない話者分離機能も備えます。その共通 API だけを使うコードなら、import を置き換えるだけでこのパッケージに切り替えられます。エンジン自体を変えるには、transcriber の作成方法も変更する必要があります。

AnyDecisionModel は、はい／いいえ、選択式、評価尺度形式の質問に答えます。生成文を解析せず、各選択肢に対するモデルの確率から答えを導きます。バックエンドは MLX、llama.cpp、Ollama など 6 種類です。