AnySpeechRecognizer翻译站点

网址简介： AnySpeechRecognizer 是面向 Swift 开发者的本地语音识别包，用接近 Apple Speech API 的接口连接 Apple、Parakeet 和 Qwen3-ASR 等后端，并提供说话人分离能力。

它是什么

AnySpeechRecognizer 不是上传录音即可使用的网页服务，而是一套供开发者集成到应用中的 Swift 软件包。它的主要价值是减少更换识别引擎时的接口改写，让已有 Apple 语音处理流程可以探索不同模型，而不是从头搭建每一套音频管线。官方项目

项目由 Mattt 发布。2026 年 10 月 29 日，作者在 Hugging Face 官方博客同时介绍 AnySpeechRecognizer 与 AnyDecisionModel：前者处理语音转文字，后者面向带概率的结构化判断。两者沿用熟悉的 Swift API 加可选模型的开发思路，但并非同一种产品。发布介绍

能解决哪些问题

• 在相近接口下选择引擎： 默认可使用 Apple 后端，也可接入在 Core ML 上运行的 Parakeet 或 Qwen3-ASR。
• 处理文件和音频流： 为音频输入、资源安装和识别结果提供统一的开发流程；实际输出能力取决于后端。
• 辨别谁在说话： 通过 Sortformer 增加说话人分离，适合对话记录与会议转录的开发场景。
• 显式管理模型资源： 模型由应用发起下载并缓存，开发者可以把下载提示、存储检查和首次运行等待纳入自己的产品设计。功能与示例

使用步骤

1. 准备 Swift 6.2 或更新版本，以及 macOS 26 / iOS 26 或更新平台；使用 Parakeet、Sortformer 时还要满足 Apple silicon 要求。
2. 在 Swift Package Manager 中添加官方仓库依赖，选择适合项目的版本。
3. 导入 AnySpeechRecognizer，创建识别模块并显式安装所需资源。
4. 为分析器提供音频文件或音频缓冲流，按异步结果更新字幕或转录界面。
5. 用自己的语言、噪声环境和设备进行评估，再决定后端与输出格式。包本身不负责录制音频，应用需要处理采集与用户权限。安装和使用说明

适合的场景

对于已经使用 Apple Speech API 的团队，这是一条探索替代识别模型的路径；对于正在构建会议记录、录音归档或多语言应用的开发者，它提供可组合的基础组件。它并不自动提供完整的笔记编辑、摘要、团队账户或云同步产品，开发者仍需完成这些应用层功能。

与相关方案比较

对照资料：Apple 官方文档、Argmax 官方项目。不同方案的性能应在同一设备与同一音频集上比较，不能直接把各自展示的成绩拼成排名。

费用、许可与使用限制

软件包采用 Apache 2.0，不是按转录分钟收费的 SaaS 服务。应用仍需承担设备算力、存储和模型下载成本；模型权重有各自的许可证，不能因软件包开放就认定所有模型授权完全相同。项目许可

后端选择影响体验。例如 Qwen3-ASR 的分段最终结果不等于实时逐词字幕，它不提供与 Parakeet 相同的中间结果及逐词时间信息。作者发布时的测量来自 Mac 环境，尚未在 iPhone 上验证，不能把平台声明直接写成所有设备均已充分实测。涉及录音、会议或客户通话时，还应由应用明确取得必要的录制与处理同意。后端差异与测试范围

官方入口： AnySpeechRecognizer 项目