Hugging Face تطرح حزمتين بلغة Swift للتعرّف على الكلام واتخاذ القرارات
نُشر
قدّمت Hugging Face تفاصيل عن AnySpeechRecognizer وAnyDecisionModel، وهما مكتبتان بلغة Swift تتيحان لتطبيقات منصات Apple اختيار المحركات التي تتولى النسخ الصوتي والأسئلة ذات الطابع التصنيفي.
عرضت Hugging Face حزمتي AnySpeechRecognizer وAnyDecisionModel بلغة Swift، اللتين توسّعان نهج AnyLanguageModel ليشمل الكلام والقرارات، وذلك في تدوينة على مدونة Hugging Face.
تحافظ AnySpeechRecognizer على واجهة Apple البرمجية لتحويل الكلام إلى نص، لكنها تتيح للتطبيقات اختيار محركات مثل Parakeet من NVIDIA أو Qwen3-ASR من Alibaba على Core ML، وتضيف خاصية تمييز المتحدثين لما يصل إلى أربعة متحدثين.
تتعامل AnyDecisionModel مع أسئلة نعم أو لا والاختيار من متعدد ومقاييس التقييم، وتُرجع نتائج محددة النوع تستند إلى احتمالات النموذج بدلًا من النص المولَّد.
في اختبارات على جهاز Mac Studio واحد بمعالج M4 Max، نسخ Parakeet ساعة من الصوت من ملف في نحو 20 إلى 40 ثانية؛ ولم تُختبر أجهزة iPhone حتى الآن.
لماذا يهم
تقول Hugging Face إن النماذج المصممة لغرض محدد قد تكون أفضل وأسرع وأقل تكلفة من نموذج لغوي واحد يؤدي المهمتين معًا.
الادعاءات والمصادر
- c4
تقول Hugging Face إن النماذج المصممة خصيصًا للتعرّف على الكلام ولاتخاذ القرارات قد تكون أفضل وأسرع وأقل تكلفة من إسناد المهمتين معًا إلى نموذج لغوي.
- c5
مع وصول AnyLanguageModel وswift-huggingface إلى إصدارات 1.x، تقول Hugging Face إنها تنقل النمط نفسه، أي واجهات Swift مألوفة مع حرية اختيار النموذج، إلى مهام الكلام والقرارات.
- c6
تطبّق AnySpeechRecognizer واجهة Apple البرمجية الجديدة لتحويل الكلام إلى نص، وتتيح للمطورين اختيار المحرك، مثل Parakeet من NVIDIA أو Qwen3-ASR من Alibaba اللذين يعملان محليًا على Core ML، كما تضيف خاصية تمييز المتحدثين.
- c7
بالنسبة إلى أسئلة نعم أو لا والاختيار من متعدد ومقاييس التقييم، تقدّم AnyDecisionModel إجابات محددة النوع مع احتمالاتها، مستمدة من احتمالات النموذج لا من نص مولَّد، وتعمل مع نماذج على الجهاز عبر MLX أو Core AI أو llama.cpp، أو مع نماذج قرار من Jev أو Ollama.
- c23
يمكن لأداة تمييز المتحدثين تتبّع ما يصل إلى أربعة متحدثين، بما في ذلك حالات تداخل الكلام، ويربط مكوّن SpeakerTimeline كل كلمة ذات توقيت زمني بأحد المتحدثين.
- c25
أجرت Hugging Face قياساتها على جهاز Mac Studio بمعالج M4 Max يعمل بنظام macOS 27.0.1، باستخدام أداة سطر الأوامر hear المضمّنة في الحزمة.
- c26
بحسب Hugging Face، يعالج Parakeet ساعة من الصوت في نحو 20 إلى 40 ثانية عند قراءة ملف، وفي نحو 1.5 إلى 2.5 دقيقة في الوضع المباشر، في حين أن Qwen3-ASR أبطأ بكثير.
- c27
تنبّه Hugging Face إلى أن الأرقام تعكس جهازًا واحدًا وعددًا قليلًا من مجموعات البيانات، وإلى أن اختباراتها اقتصرت حتى الآن على macOS 27، من دون اختبارات على iPhone بعد.
المصادر الأصلية
حول هذا الملخص المُنشأ بالذكاء الاصطناعي
ملخص أصلي للحقائق أنشأه AI Resum بالذكاء الاصطناعي استنادًا إلى المصدر المرتبط.
لا يُدّعى أن ناشر المصدر راجع هذا الملخص أو أذن به أو منح ترخيصًا له أو أيّده. تظل حقوق محتوى المصدر والعلامات التجارية لأصحابها.
اسحب لأعلى للتالي1 / 1