Maskinoversættelse · Engelsk original

Kom i gang

Installér speech CLI til at transskribere og generere lyd på din Apple Silicon Mac. Brug Swift SDK at tilføje talebehandling til macOS og iOS apps.

CLI-krav

• macOS 15+ (Sequoia eller senere)
• Apple Silicon (arm64)
• 8 GB RAM minimum (16 DK anbefales til større modeller)

Installér CLI

Homebrew (CLI)

Brug lokal ARM Homebrew (/opt/homebrew) at installere speech og speech-server HTTP / WebSocket- server.

brew install speech
speech --help

Første opgave: transcribe an M4A file

Hent prøveoptagelsen, og send den så ud i din terminal:

Tilslut til internettet for første gang. De valgte modeller downloads fra HuggingFace og forbliver cachet på din Mac. Efter opsætning, kan du transskribere lokale optagelser offline med denne model.

curl -fL https://soniqo.audio/audio/samples/cli/transcription-sample.m4a -o transcription-sample.m4a
speech transcribe transcription-sample.m4a --engine parakeet

Fortsæt med M4A-to-text guiden.

Quick Start: Tekst- to- tale

speech speak "Hello, world!" --output hello.wav

Kør en lokal tale API

Start HTTP / WebSocket - serveren for lokale API- forespørgsler:

speech-server --port 8080

Swift SDK

Tilføj Swift moduler til din macOS 15+ eller iOS 18+ app med Swift Pakkechef.

Swift Package Manager

Tilføj speech-swift til din Package.swift afhængigheder:

dependencies: [
    .package(url: "https://github.com/soniqo/speech-swift", branch: "main")
]

Derefter tilføje de moduler, du har brug for til dit mål:

.target(
    name: "MyApp",
    dependencies: [
        .product(name: "Qwen3ASR", package: "speech-swift"),
        .product(name: "Qwen3TTS", package: "speech-swift"),
        .product(name: "SpeechVAD", package: "speech-swift"),
        // ... add any modules you need
    ]
)

Tilgængelige moduler

Transcribe lyd med Swift

import Qwen3ASR

let model = try await Qwen3ASRModel.fromPretrained()
// audioSamples: [Float] PCM at 16 kHz (e.g. decoded from a WAV)
let text = model.transcribe(audio: audioSamples, sampleRate: 16000)
print(text)

Generér tale med Swift

import Qwen3TTS
import AudioCommon

let model = try await Qwen3TTSModel.fromPretrained()
let audio = model.synthesize(text: "Hello, world!", language: "english")
try WAVWriter.write(samples: audio, sampleRate: 24000, to: URL(filePath: "hello.wav"))

Bygning fra kilde

For en kilde bygge, installere Xcode 16.3+ med Metal Toolchain og Swift 6+. Klone lageret, bygge CLI, derefter kontrollere binære i kassen:

git clone https://github.com/soniqo/speech-swift.git
cd speech-swift
make build
.build/release/speech --help

Shader bygger standard til macOS 15.0 og Metal 3.2, selv med nyere SDK. Override disse med MACOSX_DEPLOYMENT_TARGET og MLX_METAL_LANGUAGE_VERSION for brugerdefinerede builds; højere mål kan udelukke ældre systemer. Compiler, SDK, flag, script eller kildeændringer ugyldiggøre cachen. Mislykkedes kompilering eller linking bevarer det tidligere bibliotek og cache hash.

Model Downloads

Modeller downloades automatisk fra HuggingFace ved første brug og cache i ~/Library/Caches/qwen3-speech/.

Alle modeller downloades fra HuggingFace ved første brug.

Næste skridt

• Fortsæt med M4A-to-text guiden
• CLI-reference - alle tilgængelige kommandoer og indstillinger
• Qwen3-ASR Guide - detaljeret speech- to- text dokumentation
• Qwen3-TTS Guide - detaljeret tekst- to- taledokumentation
• API & Protokoller - fælles protokoller og typer