Présentation de AnySpeechRecognizer et AnyDecisionModel : Des modèles ouverts pour la reconnaissance vocale et la prise de décision sur les plateformes Apple
huggingface ·
L'article présente AnySpeechRecognizer et AnyDecisionModel, deux nouveaux packages Swift conçus pour offrir des capacités flexibles de reconnaissance vocale et de prise de décision sur les plateformes Apple. AnySpeechRecognizer étend l'API native SpeechAnalyzer d'Apple en permettant aux développeurs de choisir entre différents moteurs, notamment Parakeet de NVIDIA et Qwen3-ASR d'Alibaba, tout en ajoutant le support de la diarisation de locuteurs via Streaming Sortformer de NVIDIA. Ces modèles sont convertis au format Core ML et hébergés sur le Hub Hugging Face, ce qui permet leur exécution locale avec des fonctionnalités telles que la transcription en temps réel et le support multilingue. AnyDecisionModel fournit une API Swift typée pour la classification zéro-shot, permettant aux applications de poser des questions à choix multiples, par oui ou non, ou à échelle de notation sans générer de texte. Il prend en charge divers backends tels que MLX, Core AI, llama.cpp, Jev et Ollama, et peut utiliser des modèles spécialisés comme Clef de Cloudflare pour les têtes de décision entraînées. Le package inclut des outils pour calibrer les probabilités et réduire les biais positionnels afin d'améliorer la précision. Les deux packages nécessitent Swift 6.2 et macOS 26 ou iOS 26, tirant parti de la puce Apple Silicon pour des performances optimales avec les modèles locaux.
huggingface