苹果平台开源语音识别与决策模型AnySpeechRecognizer等
原文：Introducing AnySpeechRecognizer and AnyDecisionModel: Open Models for Speech and Decisions on Apple Platforms
推出 AnySpeechRecognizer 和 AnyDecisionModel：面向 Apple 平台的语音与决策开源模型。语言模型能做很多事情。它们可以写作、摘要、翻译和调用工具。但它们只是机器学习能力的一小部分。假设有客户拨打你的支持热线。首先，你想知道他们说了什么（语音识别）。然后，你想决定把他们转接到哪里（决策）。你可以把这两件事都交给语言模型处理，但有一些专门为各自任务构建的模型更好、更快、更便宜。在我们的 AnyLanguageModel 1.0 回顾中，我们审视了 Swift 中一年的本地和托管模型。随着 AnyLanguageModel 和 swift-huggingface 现已进入 1.x 版本，我们正在将同样的方法扩展到语音和决策领域：熟悉的 Swift API，加上可选的模型。今天我们宣布两个软件包：- AnySpeechRecognizer 实现了 Apple 新的语音转文本 API，并提供可选的识别引擎，包括在 Core ML 上本地运行的 NVIDIA Parakeet 和阿里巴巴 Qwen3-ASR，还增加了说话人日志功能以追踪谁在何时说话。- AnyDecisionModel 回答是/否、多项选择和评分量表问题，并给出带类型的結果和概率。它从模型的概率中推导出每个答案，而不是生成文本，使用你设备上通过 MLX、Core AI 或 llama.cpp 运行的模型，或者来自 Jev 或 Ollama 的决策模型。两个软件包都可以从 Hugging Face Hub 下载开源模型并在设备上运行。AnySpeechRecognizer 计算机转写语音已有数十年历史，在过去几年中，它们在这方面已经变得非常出色。Apple 平台已经为此提供了 API。macOS 26 和 iOS 26 引入了 SpeechAnalyzer，这是 Apple 新的语音转文本 API。你将 SpeechTranscriber 和 SpeechDetector 等模块添加到分析器中，给它一个文件或音频缓冲区流，然后从异步序列中读取到达的结果。AssetInventory 负责安装模型，因此你的应用可以决定何时进行下载。这是一个设计良好的 API，