Presentación de AnySpeechRecognizer y AnyDecisionModel: Modelos abiertos para voz y decisiones en plataformas Apple
huggingface ·
El artículo presenta AnySpeechRecognizer y AnyDecisionModel, dos nuevos paquetes de Swift diseñados para ofrecer capacidades flexibles de reconocimiento de voz y toma de decisiones en las plataformas de Apple. AnySpeechRecognizer amplía la API nativa SpeechAnalyzer de Apple, permitiendo a los desarrolladores elegir entre diferentes motores, como Parakeet de NVIDIA y Qwen3-ASR de Alibaba, además de incorporar soporte para diarización de hablantes mediante Streaming Sortformer de NVIDIA. Estos modelos se convierten al formato Core ML y se alojan en Hugging Face Hub, lo que permite su ejecución local con funciones como transcripción en tiempo real y soporte multilingüe. AnyDecisionModel proporciona una API tipada en Swift para clasificación zero-shot, permitiendo a las aplicaciones formular preguntas de sí/no, de opción múltiple o de escala de valoración sin generar texto. Admite varios backends, como MLX, Core AI, llama.cpp, Jev y Ollama, y puede utilizar modelos especializados como Clef de Cloudflare para cabezales de decisión entrenados. El paquete incluye herramientas para calibrar probabilidades y desviarse de las preferencias posicionales con el fin de mejorar la precisión. Ambos paquetes requieren Swift 6.2 y macOS 26 o iOS 26, aprovechando Apple Silicon para un rendimiento óptimo con modelos locales.
huggingface