speech-swift fonctionne-t-il sur iOS ?

Kokoro TTS, Qwen3.5-Chat, Silero VAD, Parakeet ASR, Omnilingual ASR (300M), DeepFilterNet3 et WeSpeaker s'exécutent tous sur iOS 17+ via CoreML sur le Neural Engine. Les modèles basés sur MLX (Qwen3-ASR, Qwen3.5-Chat MLX, PersonaPlex, Omnilingual 1B/3B/7B) nécessitent macOS 14+ sur Apple Silicon. Qwen3-TTS dispose à la fois de backends MLX et CoreML.

speech-swift nécessite-t-il une connexion internet ?

Uniquement pour le téléchargement initial du modèle depuis HuggingFace. Ensuite, toute l'inférence s'exécute entièrement hors ligne, sans accès réseau. Aucune API cloud, aucune clé d'API nécessaire.

Comment speech-swift se compare-t-il à Whisper ?

Qwen3-ASR-0.6B atteint un RTF de 0.06 sur M2 Max — 40 % plus rapide que Whisper-large-v3 via whisper.cpp (RTF 0.10) — avec une précision comparable dans 52 langues. speech-swift fournit une API Swift native async/await, tandis que whisper.cpp nécessite un pont C++.

Quelles puces Apple Silicon sont prises en charge ?

Toutes les puces de la série M : M1, M2, M3, M4 et leurs variantes Pro/Max/Ultra. Nécessite macOS 14+ (Sonoma) ou iOS 17+.

Puis-je utiliser speech-swift dans une application commerciale ?

Oui. speech-swift est sous licence Apache 2.0. Les poids des modèles sous-jacents ont leurs propres licences — consultez la page HuggingFace de chaque modèle pour plus de détails.

Combien de mémoire speech-swift nécessite-t-il ?

De ~3 Mo (Silero VAD) à ~6,5 Go (PersonaPlex 7B). Kokoro TTS utilise ~200 Mo, Qwen3-ASR ~2,2 Go, Qwen3-TTS ~2 Go. Plusieurs modèles peuvent s'exécuter simultanément en utilisant CoreML sur le Neural Engine en parallèle de MLX sur le GPU.

SDK de parole embarquée

Démarrer — Apple Démarrer — Android

Apple — Homebrew :

brew tap soniqo/speech https://github.com/soniqo/speech-swift && brew install speech

Android — Gradle :

implementation("audio.soniqo:speech:0.0.5")

Reconnaissance vocale

Synthèse vocale

Modèles de langage

Qwen3.5-0.8B Chat

LLM embarqué, DeltaNet + GatedAttention hybride, INT4 MLX / INT8 CoreML, tokens en streaming

MLXCoreML

Parole-à-parole

PersonaPlex 7B

Dialogue parlé full-duplex, 18 préréglages de voix, RTF ~0.87

MLX

Analyse audio

Android et Linux

Performance

0.06x

ASR 17x plus rapide que le temps réel

0.55x

TTS 37 ms/pas, plus rapide que le temps réel

0.87x

Parole-à-parole 68 ms/pas, full-duplex

~15

LLM tok/s Qwen3.5-0.8B INT4, série M

23x

VAD en streaming Blocs de 32 ms, latence sub-ms

2.35%

WER ASR Bat Whisper Large v3 Turbo

99.1%

F1 VAD FireRedVAD sur FLEURS

Voir tous les benchmarks →

Mémoire

2.2 Go

Qwen3-ASR 0.6B MLX 4-bit · 675 Mo de poids

2 Go

Qwen3-TTS 0.6B MLX 4-bit · 977 Mo de poids

500 Mo

Kokoro-82M CoreML · 325 Mo de poids

700 Mo

Qwen3.5-Chat 0.8B MLX INT4 · 418 Mo de poids

1.5 Go

CosyVoice3 0.5B MLX 4-bit · 732 Mo de poids

6.5 Go

PersonaPlex 7B MLX 4-bit · 4,9 Go de poids

400 Mo

Parakeet TDT 0.6B CoreML INT8 · 500 Mo de poids

SDK de parole embarquée

Qwen3-ASR

Parakeet TDT

Omnilingual ASR

Alignement forcé

Qwen3-TTS

CosyVoice3

Kokoro-82M

Clonage vocal

Qwen3.5-0.8B Chat

PersonaPlex 7B

Détection d'activité vocale

Diarisation de locuteurs

Empreintes de locuteur

Amélioration de la parole

Séparation de sources

Parakeet TDT v3

Kokoro-82M

Silero VAD v5

DeepFilterNet3