AnySpeechRecognizer 与 AnyDecisionModel 发布：Apple 平台上的开源语音与决策模型包

报道讲了什么

• 发布 AnySpeechRecognizer，沿用 Apple SpeechAnalyzer API 但可切换识别引擎，并新增说话人分离模块。
• 发布 AnyDecisionModel，以类型化结果和概率回答是非、多选与评分问题，支持六种后端。

可以做什么

• Parakeet 支持文件与实时输入、临时结果、词级时间与置信度，可识别 25 种欧洲语言并自动判定语种。
• Qwen3-ASR 识别 30 种语言和 22 种中文方言，每段最多 40 秒只给最终结果，无临时结果与词时间。
• SpeakerDiarizer 基于 Streaming Sortformer 跟踪最多四位说话人，并把每个带时间的词归属到说话人。

怎么使用

1. 在 Package.swift 中加入两个包依赖，AnyDecisionModel 需启用 MLX trait。
2. 用 hear prepare 并指定 --backend apple、parakeet 或 qwen 安装所需模型资源。

结果与限制

• 会议录音中所有被测引擎词错率均高于 23%，且数据来自单机与少量数据集。
• 目前只在 macOS 27 上测试，未在 iPhone 上测试。
• next-token 后端选项最多 26 个、评分最多 10 级，CoreAI trait 暂不能与 AnySpeechRecognizer 同时使用。

使用入口与依据