出典：Hugging Face
詳細を読む
Hugging FaceのMattt氏は10月29日、Appleプラットフォーム向けのSwiftパッケージ「AnySpeechRecognizer」と「AnyDecisionModel」を公開しました。音声を文字にする処理と、定型の質問に答える処理を、汎用の文章生成モデルとは別の専用モデルで実行できるようにします。
AnySpeechRecognizerはAppleの音声認識APIに似た共通インターフェースを提供し、Apple標準のほかNVIDIAのParakeetやAlibabaのQwen3-ASRなどから認識エンジンを選べます。対応エンジンでは話者を識別する機能も使えますが、言語やライブ入力、単語の時刻表示などの対応範囲はモデルごとに異なります。
AnyDecisionModelは「はい・いいえ」、複数選択、段階評価の質問に対し、型付きの回答と確率を返します。文章を生成して答えを推測する代わりに、モデルが選択肢へ割り当てた確率から判定する設計で、MLXやCore AI、llama.cppなどのバックエンドを選べます。
両パッケージはHugging Face Hubのオープンモデルを利用でき、対応するモデルは端末上でも動作します。既存のSwiftアプリに組み込みやすいAPIを目指し、共通の呼び出し方を保ったままモデルを切り替えられる構成です。
必要環境はSwift 6.2以降、macOS 26またはiOS 26以降です。Appleシリコンや新しいOSを必要とするバックエンドもあるため、開発者は利用するモデルごとの対応言語、実行速度、メモリー要件を確認して選ぶ必要があります。