Vorstellung von AnySpeechRecognizer und AnyDecisionModel: Open-Source-Modelle für Spracherkennung und Entscheidungen auf Apple-Plattformen
huggingface ·
Der Artikel stellt AnySpeechRecognizer und AnyDecisionModel vor, zwei neue Swift-Packages, die flexible Spracherkennungs- und Entscheidungsfunktionen für Apple-Plattformen bereitstellen. AnySpeechRecognizer erweitert Apples native SpeechAnalyzer-API, indem es Entwicklern ermöglicht, zwischen verschiedenen Engines zu wählen, darunter NVIDIA Parakeet und Alibaba Qwen3-ASR, und fügt zudem Speaker-Diarisierungsunterstützung über NVIDIAs Streaming Sortformer hinzu. Diese Modelle werden in das Core ML-Format konvertiert und auf dem Hugging Face Hub gehostet, was eine lokale Ausführung mit Funktionen wie Live-Transkription und Mehrsprachunterstützung ermöglicht. AnyDecisionModel bietet eine typisierte Swift-API für Zero-Shot-Klassifizierung, mit der Apps Ja/Nein-, Multiple-Choice- oder Bewertungsskalen-Fragen stellen können, ohne Text zu generieren. Es unterstützt verschiedene Backends wie MLX, Core AI, llama.cpp, Jev und Ollama und kann spezialisierte Modelle wie Cloudflares Clef für trainierte Entscheidungsköpfe nutzen. Das Package enthält Tools zur Kalibrierung von Wahrscheinlichkeiten und zur Entzerrung positionaler Präferenzen, um die Genauigkeit zu verbessern. Beide Packages erfordern Swift 6.2 sowie macOS 26 oder iOS 26 und nutzen Apple Silicon für optimale Leistung bei lokalen Modellen.
huggingface