البنية

                    ┌──────────┐
                    │ AudioCLI │  (نقطة الدخول)
                    └────┬─────┘
                         │
                  ┌──────┴──────┐
                  │ AudioCLILib │  (الأوامر)
                  └──────┬──────┘
                         │
       ┌─────────┬───────┼───────┬──────────┬──────────────┐
       │         │       │       │          │              │
  ┌────┴───┐ ┌──┴──┐ ┌──┴──┐ ┌─┴────┐ ┌───┴────┐ ┌──────┴───────┐
  │Qwen3ASR│ │Qwen3│ │Cosy │ │Perso-│ │Speech- │ │  Speech-     │
  │Parakeet│ │ TTS │ │Voice│ │naPlex│ │  VAD   │ │Enhancement   │
  └────┬───┘ └──┬──┘ └──┬──┘ └──┬───┘ └───┬───┘ └──────┬───────┘
       │        │       │       │         │             │
       └────────┴───────┼───────┴─────────┘             │
                        │                               │
                 ┌──────┴──────┐                        │
                 │ Qwen3Common │  (طبقات مشتركة)        │
                 └──────┬──────┘                        │
                        │                               │
                 ┌──────┴──────┐                        │
                 │ AudioCommon │ ◄──────────────────────┘
                 └─────────────┘  (بروتوكولات، إدخال/إخراج صوتي)

Sources/
  AudioCommon/            بروتوكولات مشتركة، إدخال/إخراج صوتي، التقاط إخراج
                          النظام (SystemAudioTap)، مُنزِّل HuggingFace،
                          SentencePieceModel (قارئ protobuf)
  MLXCommon/              أدوات MLX: تحميل الأوزان، مساعدات QuantizedLinear،
                          مساعد انتباه متعدّد الرؤوس SDPA، ميزانية metal
  Qwen3Common/            مكوّنات نماذج مشتركة (ذاكرة KV، RoPE، التكميم)
  Qwen3ASR/               Qwen3-ASR من الصوت إلى النص
  ParakeetASR/            Parakeet TDT من الصوت إلى النص (CoreML)
  ParakeetStreamingASR/   إملاء متدفّق Parakeet EOU 120M (CoreML)
  OmnilingualASR/         Meta wav2vec2 + CTC، 1,672 لغة
                          (CoreML 300M + MLX 300M / 1B / 3B / 7B)
  CohereTranscribeASR/  Cohere Transcribe 2B speech-to-text (MLX)
  VoxtralASR/            Voxtral Mini 3B speech-to-text (MLX)
  Qwen3TTS/               Qwen3-TTS من النص إلى الكلام
  CosyVoiceTTS/           CosyVoice3 من النص إلى الكلام
  KokoroTTS/              Kokoro-82M من النص إلى الكلام (CoreML)
  Qwen3Chat/              دردشة LLM على الجهاز Qwen3.5-0.8B (MLX + CoreML)
  PersonaPlex/            PersonaPlex من الكلام إلى الكلام
  SpeechVAD/              VAD (Silero + Pyannote)، فرز المتحدثين، تضمينات المتحدث
  SpeechLanguageID/       تحديد لغة الكلام (SpeechBrain ECAPA وMLX + CoreML و107 تسميات)
  SpeechEnhancement/      كبت الضوضاء DeepFilterNet3 (CoreML)
  SourceSeparation/       Open-Unmix HQ / UMX-L + HTDemucs (Demucs v4) music source separation (MLX, 4 stems)
  MAGNeTMusicGen/         MAGNeT text-to-music generation (MLX, 30 s @ 32 kHz, INT4/INT8)
  VoxCPM2TTS/             VoxCPM2 text-to-speech (MLX, 48 kHz, voice cloning + voice design)
  IndexTTS2TTS/           IndexTTS2 voice cloning (MLX, semantic GPT + emotion/tempo/pause control + S2Mel + BigVGAN)
  VibeVoiceTTS/           VibeVoice long-form / multi-speaker TTS (MLX, EN/ZH)
  MagpieTTS/              NVIDIA Magpie-TTS Multilingual 357M (MLX INT4/INT8,
                          9 languages, 5 baked speakers, streaming)
  MagpieTTSCoreML/        Magpie CoreML backend (4 .mlmodelc + Swift-side
                          FSQ inverse; 8 languages, batch-only; hybrid
                          with MagpieTTS for LocalTransformer + audio
                          embeddings)
  MADLADTranslation/      MADLAD-400 many-to-many translation (MLX, 400+ languages)
  AudioCLILib/            تنفيذات أوامر CLI
  AudioCLI/               نقطة دخول CLI

scripts/              تحويل النماذج (PyTorch → MLX/CoreML)، اختبارات الأداء
Tests/                اختبارات الوحدة والتكامل
Examples/             تطبيقات تجريبية (PersonaPlexDemo, SpeechDemo)