Premiers pas

speech-swift fournit un traitement vocal IA embarqué pour macOS et iOS sur Apple Silicon. Les modèles s'exécutent localement via MLX (GPU Metal) et CoreML (Neural Engine).

Prérequis

• macOS 15+ (Sequoia ou ultérieur)
• Apple Silicon (séries M1, M2, M3, M4)
• Xcode 16+ / Swift 6.0+
• 8 Go de RAM minimum (16 Go recommandés pour les modèles plus grands)

Installation

Homebrew (CLI)

Le moyen le plus rapide d'essayer speech-swift sur macOS. Installe à la fois la CLI speech et le serveur HTTP/WebSocket speech-server (endpoint /v1/realtime compatible OpenAI). Nécessite Homebrew ARM natif (/opt/homebrew).

brew install speech

Après installation, les deux binaires sont dans votre PATH :

speech transcribe recording.wav
speech speak "Hello, world!" --output hello.wav
speech-server --port 8080            # serveur HTTP / WebSocket local

Swift Package Manager

Ajoutez speech-swift aux dépendances de votre Package.swift :

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

Puis ajoutez les modules dont vous avez besoin à votre cible :

.target(
    name: "MyApp",
    dependencies: [
        .product(name: "Qwen3ASR", package: "speech-swift"),
        .product(name: "Qwen3TTS", package: "speech-swift"),
        .product(name: "SpeechVAD", package: "speech-swift"),
        // ... ajoutez tous les modules dont vous avez besoin
    ]
)

Modules disponibles

Compilation depuis les sources

Clonez le dépôt et compilez :

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

Les shaders ciblent par défaut macOS 15.0 et Metal 3.2, même avec un SDK plus récent. Pour une compilation personnalisée, MACOSX_DEPLOYMENT_TARGET et MLX_METAL_LANGUAGE_VERSION remplacent ces valeurs ; des cibles plus récentes peuvent exclure les anciens systèmes. Les changements du compilateur, du SDK, des options, du script ou des sources invalident le cache. Un échec de compilation ou de liaison préserve la bibliothèque précédente et l’empreinte du cache.

Démarrage rapide : transcrire de l'audio

CLI

# Transcrire un fichier WAV
.build/release/speech transcribe recording.wav

API 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)

Les modèles sont téléchargés automatiquement depuis HuggingFace à la première utilisation et mis en cache dans ~/Library/Caches/qwen3-speech/.

Démarrage rapide : synthèse vocale

CLI

# Générer de la parole
.build/release/speech speak "Hello, world!" --output hello.wav

API 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"))

Téléchargements des modèles

Tous les modèles sont téléchargés depuis HuggingFace à la première utilisation. Tailles approximatives :

Prochaines étapes

• Référence CLI — toutes les commandes et options disponibles
• Guide Qwen3-ASR — documentation détaillée de la parole vers texte
• Guide Qwen3-TTS — documentation détaillée de la synthèse vocale
• API et protocoles — protocoles et types partagés