# A Hugging Face Swift-csomagokat adott ki beszédfelismerésre és döntésekre

*Hugging Face · 2026-10-29 · Eszközök*

**A Hugging Face két Swift-csomagot mutatott be, amelyekkel nyílt modellek futtathatók Apple-eszközökön beszédfelismerésre és döntések meghozatalára.**

Az AnySpeechRecognizer az Apple SpeechAnalyzer API-ját valósítja meg, de a felismerő motor választható: az alapértelmezett Apple-motor mellett az NVIDIA Parakeet és az Alibaba Qwen3-ASR modellje is futtatható helyben, Core ML-en. A Parakeet v3 25 európai nyelvet ismer és maga azonosítja a nyelvet, a Qwen3-ASR 30 nyelvet és 22 kínai nyelvjárást kezel, de lassabb és több gigabájt memóriát igényel. Az új SpeakerDiarizer modul az NVIDIA Streaming Sortformer modelljével legfeljebb négy beszélőt különít el, akkor is, ha egyszerre beszélnek.

**Csak macOS-en tesztelve** a csomagok, iPhone-on eddig nem. A letöltés csak akkor indul, amikor az alkalmazás kéri, a Parakeet-modellek egyenként körülbelül 600 MB, a Qwen3-ASR 0,9–2,4 GB helyet foglal. Az egy órányi hangfelvétel átírása Parakeet-tel egy M4 Max Mac Studión 20–40 másodpercig tart, a mérések azonban egyetlen gépen és néhány adathalmazon készültek. Az AMI-felvételeken, ahol többen beszélnek egyszerre, minden tesztelt motor 23% feletti szóhibaarányt ért el.

Az AnyDecisionModel igen-nem, többválasztós és skálás kérdésekre ad típusos választ valószínűségekkel, a szöveg generálása helyett a modell valószínűségeiből számolva. Helyi modell futtatható hozzá MLX, Core AI vagy llama.cpp alatt, de használható a Jev vagy az Ollama döntési modellje is. A **szöveg helyett valószínűségek** elv működését aEmoji Magnet demó mutatja: a beírt kifejezés alapján 343 emodzsi közül szűri ki a megfelelőket, kulcsszavak nélkül.

## Miért számít?

Swift-fejlesztőknek, akik beszédet írnak át alkalmazásukban, az Apple-féle API marad, és Parakeet-re váltáshoz csak **a felismerő létrehozását** kell módosítaniuk. Élő bemenetre a Parakeet az alkalmasabb, mert a Qwen3-ASR nem ad szóidőzítést és szóbizonyosságot, és fájlok átírására való.

---

Eredeti forrás: [Introducing AnySpeechRecognizer and AnyDecisionModel: Open Models for Speech and Decisions on Apple Platforms](https://huggingface.co/blog/anydecisionmodel)

Forrás: xhírek.hu – https://xhirek.hu/hir/a-hugging-face-swift-csomagokat-adott-ki-beszedfelismeresre-es-dontesekre