• @airesum

    Hugging Face présente deux paquets Swift pour la reconnaissance vocale et la prise de décision

    IA

    Publié

    Hugging Face a détaillé AnySpeechRecognizer et AnyDecisionModel, des bibliothèques Swift qui permettent aux applications des plateformes Apple de choisir les moteurs chargés de la transcription et des questions de type classification.

    Hugging Face a présenté AnySpeechRecognizer et AnyDecisionModel, deux paquets Swift qui étendent l'approche d'AnyLanguageModel à la parole et aux décisions, dans un billet du blog de Hugging Face.

    AnySpeechRecognizer conserve l'API de transcription vocale d'Apple, mais permet aux applications de choisir des moteurs comme Parakeet de NVIDIA ou Qwen3-ASR d'Alibaba sur Core ML, et ajoute la diarisation pour un maximum de quatre locuteurs.

    AnyDecisionModel traite les questions par oui ou non, à choix multiple et sur échelle de notation, en renvoyant des résultats typés fondés sur les probabilités du modèle plutôt que sur du texte généré.

    Lors de tests sur un seul Mac Studio M4 Max, Parakeet a transcrit une heure d'audio à partir d'un fichier en 20 à 40 secondes environ ; l'iPhone n'a pas encore été testé.

    Pourquoi cela compte

    Selon Hugging Face, des modèles conçus pour chaque tâche peuvent être meilleurs, plus rapides et moins coûteux qu'un seul modèle de langage assurant les deux.

    Affirmations et sources
    1. c4

      Selon Hugging Face, des modèles conçus spécifiquement pour la reconnaissance vocale et pour les décisions peuvent être meilleurs, plus rapides et moins coûteux que de confier ces deux tâches à un modèle de langage.

    2. c5

      Avec AnyLanguageModel et swift-huggingface désormais en versions 1.x, Hugging Face indique appliquer aux tâches de parole et de décision le même principe d'interfaces Swift familières associées au libre choix du modèle.

    3. c6

      AnySpeechRecognizer implémente la nouvelle API de transcription vocale d'Apple et laisse les développeurs choisir le moteur, par exemple Parakeet de NVIDIA ou Qwen3-ASR d'Alibaba exécutés localement sur Core ML ; il ajoute en outre la diarisation des locuteurs.

    4. c7

      Pour les questions par oui ou non, à choix multiple et sur échelle de notation, AnyDecisionModel fournit des réponses typées accompagnées de probabilités, issues des probabilités du modèle et non de texte généré, et fonctionne avec des modèles embarqués via MLX, Core AI ou llama.cpp, ou avec des modèles de décision de Jev ou d'Ollama.

    5. c23

      Le module de diarisation peut suivre jusqu'à quatre locuteurs, y compris lorsque leurs paroles se chevauchent, et un composant SpeakerTimeline associe chaque mot horodaté à un locuteur.

    6. c25

      Hugging Face a effectué ses mesures sur un Mac Studio M4 Max sous macOS 27.0.1, à l'aide de l'outil en ligne de commande hear fourni avec le paquet.

    7. c26

      D'après Hugging Face, Parakeet traite une heure d'audio en 20 à 40 secondes environ à partir d'un fichier et en 1,5 à 2,5 minutes environ en mode direct, tandis que Qwen3-ASR est beaucoup plus lent.

    8. c27

      Hugging Face prévient que les chiffres reflètent une seule machine et quelques jeux de données, et que ses tests se sont jusqu'ici limités à macOS 27, sans aucun test sur iPhone pour l'instant.

    Sources originales

    1. Hugging Face
    À propos de ce résumé IA

    • Résumé factuel original généré par AI Resum à l’aide de l’intelligence artificielle à partir de la source indiquée en lien.

    • Aucun examen, aucune autorisation, aucune licence ni aucune approbation de l’éditeur de la source ne sont revendiqués. Le contenu de la source et les marques restent la propriété de leurs titulaires respectifs.

    Glisse vers le haut pour le suivant1 / 1