介绍 AnySpeechRecognizer 和 AnyDecisionModel：适用于 Apple 平台的语音与决策开源模型
huggingface ·
本文介绍了 AnySpeechRecognizer 和 AnyDecisionModel，这是两个旨在为 Apple 平台带来灵活语音识别和决策能力的新 Swift 包。AnySpeechRecognizer 扩展了 Apple 原生的 SpeechAnalyzer API，允许开发人员在包括 NVIDIA Parakeet 和阿里巴巴 Qwen3-ASR 在内的不同引擎之间进行选择，并通过 NVIDIA Streaming Sortformer 增加了说话人分离支持。这些模型被转换为 Core ML 格式并托管在 Hugging Face Hub 上，支持本地执行，具备实时转录和多语言支持等功能。AnyDecisionModel 提供了一个类型化的 Swift API 用于零样本分类，使应用程序能够提出是/否、多项选择或量表评分问题，而无需生成文本。它支持多种后端，如 MLX、Core AI、llama.cpp、Jev 和 Ollama，并可利用 Cloudflare Clef 等专门模型进行训练后的决策头处理。该包包含校准概率和去偏位置偏好以提高准确性的工具。这两个包均要求使用 Swift 6.2 以及 macOS 26 或 iOS 26，并利用 Apple Silicon 实现本地模型的最佳性能。
huggingface