闲社

标题: Hugging Face推出两款Swift包：苹果应用可切换语音识别与结构化决策模型 [打印本页]

作者: jiangyonghaoren 时间: 2 小时前
标题: Hugging Face推出两款Swift包：苹果应用可切换语音识别与结构化决策模型
Hugging Face于10月29日介绍了两个面向Apple平台开发者的Swift包：AnySpeechRecognizer和AnyDecisionModel，尝试把可选模型引擎接入应用，而不是所有语音识别、分类和路由任务都交给通用语言模型生成文本。

AnySpeechRecognizer沿用Apple SpeechAnalyzer一类的接口，除Apple默认引擎外，也可选择NVIDIA Parakeet或阿里Qwen3-ASR；它还加入说话人分离能力，使用NVIDIA Sortformer追踪最多4位说话者。官方介绍称这些模型可在设备本地运行。Parakeet偏向实时及文件转写；Qwen3-ASR覆盖30种语言和22种中文方言，但官方说明其速度较慢，更适合文件转写。

AnyDecisionModel则把判断结果以类型化选项、评分及概率形式返回，可用于工单分流、紧急程度判断等受限选择任务。后端包括MLX、Core AI、llama.cpp，以及Jev和Ollama；部分路径读取语言模型对候选答案的概率，另有Cloudflare Clef这类带决策头的模型。概率和置信值不等于答案正确率，仍需针对自己的数据评估。

这次发布的价值在于为Apple应用提供了可替换的语音识别引擎和结构化决策接口，并允许部分工作本地完成。也有明确门槛：包要求Swift 6.2及macOS 26/iOS 26或更新版本；部分Core AI功能另需新系统与工具链。Hugging Face披露的转写对比来自单台M4 Max和有限数据集，会议重叠语音测试中各引擎错误率均超过23%，不能直接外推为所有设备或真实场景表现。

官方介绍（含技术细节与测试边界）：
https://huggingface.co/blog/anydecisionmodel
AnySpeechRecognizer代码：
https://github.com/mattt/AnySpeechRecognizer
AnyDecisionModel代码：
https://github.com/mattt/AnyDecisionModel

欢迎光临闲社 (https://www.xianshe.com/)