快讯 · 台北时间

Hugging Face 推出两个 Swift 套件,可在 Apple 设备上进行语音识别与选项决策

一句重點:语音转文字不必限于 Apple 引擎,分类模型还能给出各选项概率。

發生什麼事

Hugging Face 在官方博客(Introducing AnySpeechRecognizer and AnyDecisionModel: Open Models for Speech and Decisions on Apple Platforms)发布两个 Swift 套件,可从 Hugging Face Hub 下载开放模型并在设备上运行。

AnySpeechRecognizer 沿用 Apple 在 macOS 26、iOS 26 推出的语音转文字 API,默认用 Apple 引擎,也可换成 NVIDIA Parakeet 或阿里巴巴 Qwen3-ASR 在本地运行,并提供 Apple 没有的说话人分离。只用通用 API 的程序,替换 import 即可改用该套件;要换引擎,还需调整 transcriber 的创建方式。

AnyDecisionModel 可回答是非题、选择题和评分题,按各选项的模型概率得出答案,无需生成文字再解析。后端共六种,包括 MLX、llama.cpp、Ollama。

01参考来源