两个 Swift 包让 Apple 平台可换用多种本地语音与决策模型。
资讯摘要
AnySpeechRecognizer 与 AnyDecisionModel 两个 Swift 包发布，前者在 Apple SpeechAnalyzer 接口下可切换识别引擎，支持本地运行 Parakeet 与 Qwen3-ASR，并新增说话人分离；后者以概率而非生成文本回答是/否、多选与评分问题。两者均可从 Hugging Face Hub 下载开源模型并在设备端运行。
要点速读
- AnySpeechRecognizer 镜像 SpeechAnalyzer 等 API，默认使用 Apple 引擎，可切换 Parakeet v3、Parakeet Ultra、Parakeet Unified 及 Qwen3-ASR 0.6B/1.7B。
- 新增 SpeakerDiarizer，基于 NVIDIA Streaming Sortformer 在 Core ML 上运行，最多跟踪四位说话人并标注每个词。
- 作者在 M4 Max 上测得 Parakeet 转录一小时音频约需 20–40 秒（文件）或 1.5–2.5 分钟（实时），AMI 会议录音各引擎词错误率均高于 23%。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/30 08:00:14（北京时间）。