Hugging Face ابزار Swift برای انتخاب مدل‌های بازِ گفتار و تصمیم‌گیری معرفی کرد

Hugging Face دو بستهٔ Swift به نام‌های AnySpeechRecognizer و AnyDecisionModel معرفی کرده است تا توسعه‌دهندگان بتوانند برای تشخیص گفتار و تصمیم‌گیری، از میان مدل‌های مختلف انتخاب کنند. هر دو بسته مدل‌های باز را از Hugging Face Hub دریافت می‌کنند و روی خود دستگاه اجرا می‌کنند. این رویکرد قرار است گزینه‌ای تخصصی‌تر از سپردن همهٔ کارها به یک مدل زبانی بزرگ فراهم کند؛ منبع می‌گوید مدل‌های اختصاصی این وظایف می‌توانند بهتر، سریع‌تر و کم‌هزینه‌تر باشند.

AnySpeechRecognizer رابط آشنای SpeechAnalyzer اپل را حفظ می‌کند و امکان انتخاب موتور تشخیص گفتار را می‌دهد. موتور پیش‌فرض همچنان Speech framework اپل است؛ اما با تغییر شیوهٔ ساخت transcriber می‌توان از Parakeet استفاده کرد. در این حالت، مراحل نصب مدل، اجرای analyzer و دریافت نتایج تغییر نمی‌کند. اپل SpeechAnalyzer را در macOS 26 و iOS 26 معرفی کرده است.

این بسته از چند مدل Parakeet پشتیبانی می‌کند: Parakeet v3 انویدیا ۲۵ زبان اروپایی را تشخیص می‌دهد و زبان ورودی را خودکار شناسایی می‌کند؛ Parakeet Ultra نسخه‌ای است که Moondream بر پایهٔ v3 پس‌آموزش داده و در بیشتر اندازه‌گیری‌های گزارش‌شده دقت بالاتری داشته است؛ و Parakeet Unified نسخهٔ انگلیسی‌زبان انویدیا است. هر سه با زمان‌بندی واژه‌ها، میزان اطمینان به واژه‌ها و ورودی فایل یا صدای زنده کار می‌کنند.

گزارش Hugging Face به Qwen3-ASR از Alibaba نیز اشاره می‌کند، اما اطلاعات ارائه‌شده دربارهٔ آن ناقص است. جزئیات AnyDecisionModel هم در متن منبع در دسترس نیست.