Presentazione di AnySpeechRecognizer e AnyDecisionModel: Modelli open source per riconoscimento vocale e decisioni su piattaforme Apple
huggingface ·
L'articolo presenta AnySpeechRecognizer e AnyDecisionModel, due nuovi pacchetti Swift progettati per portare capacità flessibili di riconoscimento vocale e di presa di decisioni sulle piattaforme Apple. AnySpeechRecognizer estende l'API nativa SpeechAnalyzer di Apple consentendo agli sviluppatori di scegliere tra diversi motori, inclusi Parakeet di NVIDIA e Qwen3-ASR di Alibaba, aggiungendo inoltre il supporto alla diarizzazione degli intervallanti tramite Streaming Sortformer di NVIDIA. Questi modelli sono convertiti nel formato Core ML e ospitati su Hugging Face Hub, permettendo l'esecuzione locale con funzionalità come la trascrizione in tempo reale e il supporto multilingue. AnyDecisionModel offre un'API Swift tipizzata per la classificazione zero-shot, consentendo alle app di porre domande a risposta sì/no, a scelta multipla o su scala di valutazione senza generare testo. Supporta vari backend come MLX, Core AI, llama.cpp, Jev e Ollama, e può utilizzare modelli specializzati come Clef di Cloudflare per test decisionali addestrati. Il pacchetto include strumenti per calibrare le probabilità e ridurre i bias delle preferenze posizionali al fine di migliorare l'accuratezza. Entrambi i pacchetti richiedono Swift 6.2 e macOS 26 o iOS 26, sfruttando Apple Silicon per prestazioni ottimali con modelli locali.
huggingface