Hugging Face lança AnySpeechRecognizer e AnyDecisionModel para Swift
Hugging Face lançou os pacotes AnySpeechRecognizer e AnyDecisionModel em Swift para reconhecimento de fala e tomada de decisões em sistemas Apple.
Resumo rápido
- Hugging Face lançou os pacotes AnySpeechRecognizer e AnyDecisionModel em código aberto para Swift em sistemas Apple.
- AnySpeechRecognizer inclui motores da NVIDIA e da Alibaba com suporte a diarização, e o AnyDecisionModel avalia opções por probabilidades em vez de gerar texto.
- Ambas as ferramentas exigem Swift 6.2 ou superior e macOS 26 ou iOS 26 ou posteriores para execução.
Entenda o contexto
Modelos de reconhecimento de fala convertem áudio em texto, enquanto a diarização identifica individualmente os falantes na gravação. O lançamento disponibiliza estruturas padronizadas em linguagem Swift para que desenvolvedores integrem esses modelos diretamente em aplicativos para sistemas Apple.
O que são os pacotes AnySpeechRecognizer e AnyDecisionModel?
A Hugging Face lançou os pacotes AnySpeechRecognizer e AnyDecisionModel para ecossistemas Apple, estendendo a abordagem de disponibilizar interfaces Swift com escolha de modelos locais e hospedados, conforme publicado no blog oficial da empresa. Ambas as ferramentas podem baixar modelos abertos do Hugging Face Hub e executá-los diretamente no dispositivo.
O AnySpeechRecognizer implementa a API de reconhecimento de fala SpeechAnalyzer, apresentada no macOS 26 e iOS 26, mas permite trocar o motor padrão da Apple por opções como o Parakeet da NVIDIA ou o Qwen3-ASR da Alibaba via Core ML. O pacote também adiciona funcionalidade de diarização de falantes — capaz de identificar quem está falando — por meio do modelo Streaming Sortformer da NVIDIA executado em conjunto no Core ML.
Como funciona o AnyDecisionModel?
O AnyDecisionModel é voltado para perguntas de sim ou não, múltipla escolha e escalas de avaliação com resultados tipados e probabilidades. Em vez de gerar texto como um modelo de linguagem tradicional, a ferramenta obtém as respostas a partir das probabilidades do próprio modelo.
A estrutura permite o uso de modelos locais com MLX, Core AI ou llama.cpp, além de modelos de decisão de serviços como Jev ou Ollama. O pacote suporta arquiteturas com cabeça de decisão treinada, como o Clef-Flash de 9 bilhões de parâmetros da Cloudflare, que avalia todas as opções permitidas em uma única passagem direta. Cada resposta inclui um valor de confiança baseado na entropia de suas probabilidades.
Quais são os requisitos de sistema?
Ambos os pacotes exigem Swift 6.2 ou superior e sistemas operacionais macOS 26 ou iOS 26 ou posteriores. A execução dos modelos Parakeet, Sortformer e o suporte ao MLX necessitam de processadores Apple silicon.
Os testes de taxa de erro de palavra do AnySpeechRecognizer foram medidos pela equipe do projeto usando a ferramenta de linha de comando hear em um Mac Studio com chip M4 Max e macOS 27.0.1. A publicação ressalta que as medições foram feitas em uma única máquina e que o pacote ainda não foi testado no iPhone. Além disso, a integração do Core AI no AnyDecisionModel ainda possui incompatibilidades temporárias de dependências com o AnySpeechRecognizer.
Referências
- Fonte consultada: Hugging Face — Blog
Links para conferência: não indicam endosso das fontes ao conteúdo do portal.
Gostou? Compartilhe:
Comentários 0
Ninguém comentou ainda. Seja o primeiro!
