苹果平台开源语音与决策模型:AnySpeechRecognizer 和 AnyDecisionModel 发布
2026.10.29 · 收录日 2026.10.29 · 模型 · 开源项目 · 官方发布
两个 Swift 包让开发者可自选语音识别与决策模型引擎,并在设备端运行开源模型。
文章介绍 AnySpeechRecognizer 和 AnyDecisionModel 两个 Swift 包。AnySpeechRecognizer 沿用苹果 SpeechAnalyzer API,可选 Parakeet、Qwen3-ASR 等引擎并支持说话人分离;AnyDecisionModel 以概率输出是非、多选和评分结果。两者均可从 Hugging Face Hub 下载开源模型并在设备端运行。
- AnySpeechRecognizer 镜像苹果 SpeechAnalyzer、SpeechTranscriber 等 API,默认引擎为苹果 Speech 框架,改 import 即可切换。
- 可选引擎包括 NVIDIA Parakeet v3(识别 25 种欧洲语言)、Parakeet Ultra、Parakeet Unified 及阿里 Qwen3-ASR(30 种语言、22 种中文方…
- Parakeet 系列运行在包自带 Core ML 运行时,支持文件与实时输入、易变结果、词级时间与置信度;Qwen3-ASR 仅输出最终结果,速度较慢。
- AnyDecisionModel 用 MLX、Core AI 或 llama.cpp 在设备端回答是非、多选、评分问题,输出带类型的结果与概率,也可接 Jev 或 Ollama。
- 作者已将多个模型转换为 Core ML 并发布在 Hub,如 parakeet-tdt-0.6b-v3-coreml、qwen3-asr-1.7b-coreml 等。
为什么值得看
想在苹果平台本地跑语音识别和决策模型,又不想被单一引擎绑定的开发者值得一看。
适合谁关注
苹果平台 Swift 开发者、端侧 AI 应用开发者、语音与决策模型使用者。
