Apresentando o AnySpeechRecognizer e o AnyDecisionModel: Modelos abertos para fala e decisões em plataformas Apple
huggingface ·
O artigo apresenta o AnySpeechRecognizer e o AnyDecisionModel, dois novos pacotes Swift projetados para trazer capacidades flexíveis de reconhecimento de fala e tomada de decisão para as plataformas Apple. O AnySpeechRecognizer estende a API nativa SpeechAnalyzer da Apple, permitindo que os desenvolvedores escolham entre diferentes motores, incluindo o Parakeet da NVIDIA e o Qwen3-ASR do Alibaba, além de adicionar suporte à diarização de falantes por meio do Streaming Sortformer da NVIDIA. Esses modelos são convertidos para o formato Core ML e hospedados no Hugging Face Hub, possibilitando a execução local com recursos como transcrição em tempo real e suporte a múltiplos idiomas. O AnyDecisionModel oferece uma API tipada em Swift para classificação zero-shot, permitindo que aplicativos façam perguntas do tipo sim ou não, de múltipla escolha ou em escala de classificação sem gerar texto. Ele suporta vários backends, como MLX, Core AI, llama.cpp, Jev e Ollama, e pode utilizar modelos especializados, como o Clef da Cloudflare, para cabeças de decisão treinadas. O pacote inclui ferramentas para calibrar probabilidades e reduzir vieses de preferências posicionais, melhorando a precisão. Ambos os pacotes exigem Swift 6.2 e macOS 26 ou iOS 26, aproveitando o Apple Silicon para desempenho ideal com modelos locais.
huggingface