Un'app che ascolta un cliente deve prima capire cosa dice e poi decidere dove mandarlo. Per il primo passo esistono modelli pensati apposta per il riconoscimento vocale, più veloci e meno costosi di un modello linguistico generico. Hugging Face ha presentato due pacchetti per Swift, AnySpeechRecognizer e AnyDecisionModel, che portano questi modelli aperti sui dispositivi Apple.
Il primo pacchetto riprende le API di SpeechAnalyzer, il nuovo sistema di trascrizione introdotto con macOS 26 e iOS 26. Di default usa il framework Speech di Apple, ma permette di scegliere un altro motore. Per cambiare motore basta sostituire la riga di import e, per usare Parakeet, modificare solo il modo in cui si crea il trascrittore. Il resto del codice, dall'installazione dei modelli alla lettura dei risultati, resta invariato.
Sono tre le varianti Parakeet di NVIDIA e i modelli Qwen3-ASR di Alibaba, in due dimensioni. Parakeet v3 riconosce 25 lingue europee e individua da solo quella che sta ascoltando. Parakeet Ultra, sviluppato da Moondream, è risultato più preciso nella maggior parte delle misurazioni di Hugging Face. Qwen3-ASR copre 30 lingue e 22 dialetti cinesi, inclusi il cantonese, il giapponese e il coreano, che Parakeet non tratta. È più lento e gira sulla GPU, quindi è adatto alla trascrizione di file più che all'ascolto in diretta.
I modelli sono stati convertiti in Core ML e pubblicati su Hugging Face con licenza CC BY 4.0 per Parakeet e Apache 2.0 per Qwen3-ASR. Vengono scaricati solo quando l'app lo chiede: circa 600 MB per ogni Parakeet, da 0,9 a 2,4 GB per Qwen3-ASR. Il pacchetto aggiunge anche la diarizzazione dei parlanti, cioè la capacità di capire chi parla in quale momento, che il framework Speech di Apple non offre.
Il secondo pacchetto, AnyDecisionModel, risponde a domande con sì o no, scelte multiple o valutazioni su scala. Non genera testo: restituisce risultati tipizzati con le relative probabilità, calcolate dai modelli decisionali eseguiti in locale con MLX, Core AI o llama.cpp, oppure tramite Jev o Ollama.
Secondo Hugging Face, la combinazione dei due pacchetti permette di usare modelli specializzati per ogni compito invece di affidare tutto a un unico modello linguistico. Il codice è disponibile sul profilo GitHub dell'autore.
Ancora nessun commento. Puoi essere il primo!