Hugging Face博客10月29日发布文章,宣布面向苹果平台的两款Swift工具包:AnySpeechRecognizer和AnyDecisionModel。它们分别处理语音识别和决策任务,均可从Hugging Face Hub下载开放模型,并在设备上运行。

AnySpeechRecognizer沿用苹果新一代语音转文字API的接口设计,同时允许选择识别引擎。除了默认的苹果Speech框架,还支持通过Core ML在本地运行英伟达的Parakeet和阿里巴巴的Qwen3-ASR。工具包另加入说话人分离功能,用于追踪谁在什么时候说话。

接口兼容是这款语音工具包的具体切入点。文章介绍,苹果在macOS 26和iOS 26中引入SpeechAnalyzer;AnySpeechRecognizer对应实现了分析器、转写器、语音检测和模型资源管理等接口。对于使用双方共有API的代码,更换导入即可迁移;若改用Parakeet,还需调整转写器的创建方式,资源安装、运行分析器和读取结果的步骤保持不变。

AnyDecisionModel则面向是非题、多选题和评分量表问题,返回带类型的结果及概率。它不是通过生成文本来作答,而是从模型概率中得出答案。文章列出的运行选择包括通过MLX、Core AI或llama.cpp使用设备端模型,也可使用来自Jev或Ollama的决策模型。两款工具包因此各有分工:一个把语音转成文字并追踪说话人,另一个把特定问题转成结构化决策结果。

原始来源:Introducing AnySpeechRecognizer and AnyDecisionModel: Open Models for Speech and Decisions on Apple Platforms