Представляем AnySpeechRecognizer и AnyDecisionModel: открытые модели для распознавания речи и принятия решений на платформах Apple
huggingface ·
В статье представлены AnySpeechRecognizer и AnyDecisionModel — два новых пакета Swift, предназначенные для обеспечения гибких возможностей распознавания речи и принятия решений на платформах Apple. AnySpeechRecognizer расширяет нативный API SpeechAnalyzer от Apple, позволяя разработчикам выбирать между различными движками, включая Parakeet от NVIDIA и Qwen3-ASR от Alibaba, а также добавляет поддержку диаризации говорящих через Streaming Sortformer от NVIDIA. Эти модели конвертируются в формат Core ML и размещаются на Hugging Face Hub, что обеспечивает локальное выполнение с функциями живой транскрипции и поддержки нескольких языков. AnyDecisionModel предоставляет типизированный Swift API для классификации без дообучения (zero-shot), позволяя приложениям задавать вопросы типа «да/нет», с множественным выбором или по шкале оценок без генерации текста. Пакет поддерживает различные бэкенды, такие как MLX, Core ML, llama.cpp, Jev и Ollama, а также может использовать специализированные модели, например Clef от Cloudflare, для обученных заголовков принятия решений. В пакет включены инструменты для калибровки вероятностей и устранения смещения позиционных предпочтений для повышения точности. Оба пакета требуют Swift 6.2 и macOS 26 или iOS 26, используя архитектуру Apple Silicon для оптимальной производительности при работе с локальными моделями.
huggingface