AnySpeechRecognizer और AnyDecisionModel का परिचय: एप्पल प्लेटफॉर्म के लिए स्पीच और निर्णयों पर ओपन मॉडल्स
huggingface ·
लेख में AnySpeechRecognizer और AnyDecisionModel, दो नए Swift पैकेजों का परिचय दिया गया है जो Apple प्लेटफ़ॉर्म पर लचीली स्पीच रिकग्निशन और निर्णय लेने की क्षमताएं प्रदान करने के लिए डिज़ाइन किए गए हैं। AnySpeechRecognizer, NVIDIA के Parakeet और Alibaba के Qwen3-ASR सहित विभिन्न इंजनों के बीच विकल्प चुनने की सुविधा देकर Apple की मूल SpeechAnalyzer API को बढ़ाता है, साथ ही NVIDIA के Streaming Sortformer के माध्यम से स्पीकर डायरिजाइज़ेशन सपोर्ट भी जोड़ता है। ये मॉडल Core ML फ़ॉर्मेट में कन्वर्ट किए गए हैं और Hugging Face Hub पर होस्ट किए गए हैं, जिससे लाइव ट्रांसक्रिप्शन और बहु-भाषा सपोर्ट जैसी विशेषताओं के साथ स्थानीय रूप से निष्पादन संभव होता है। AnyDecisionModel शून्य-शॉट वर्गीकरण (zero-shot classification) के लिए एक टाइपेड Swift API प्रदान करता है, जिससे ऐप्स टेक्स्ट जनरेट किए बिना हाँ-या-ना, बहु-विकल्पीय या रेटिंग-स्केल प्रश्न पूछ सकते हैं। यह MLX, Core AI, llama.cpp, Jev और Ollama जैसे विभिन्न बैकएंड्स का समर्थन करता है, और प्रशिक्षित निर्णय हेड्स के लिए Cloudflare के Clef जैसे विशेष मॉडलों का उपयोग कर सकता है। इस पैकेज में सटीकता में सुधार के लिए प्रायिकता कैलिब्रेशन और स्थानीय पूर्वाग्रहों (positional preferences) को कम करने के उपकरण शामिल हैं। दोनों पैकेजों को Swift 6.2 और macOS 26 या iOS 26 की आवश्यकता होती है, और स्थानीय मॉडलों के लिए सर्वोत्तम प्रदर्शन प्राप्त करने के लिए Apple Silicon का लाभ उठाते हैं।
huggingface