Terjemahan mesin · Versi asli bahasa Inggris

Pertanyaan Yang Sering Muncul

Apakah speech-swift bekerja di iOS?

Kokoro TTS, Qwen3.5-Chat, Silero VAD, Parakeet ASR, DeepFilterNet3, dan WeSpeaker semua berjalan iOS 18+ via CoreML pada Neural EngineModel berbasis MLX (Qwen3-ASR, Qwen3-TTS, Qwen3.5-Chat MLX, PersonaPlex) membutuhkan macOS 15+ di Apple Silicon.

Apakah itu memerlukan koneksi internet?

Hanya untuk model awal download dari HuggingFace (otomatis, cached in ~/Library/Caches/qwen3-speech/Setelah itu, semua kesimpulan berjalan fully offline tanpa akses jaringan. Tidak ada awan APIs, tidak ada tombol API yang dibutuhkan.

Bagaimana speech-swift dibandingkan dengan Whisper?

Qwen3-ASR-0.6B mencapai RTF 0.012 nyala M5 Pro - ~7× lebih cepat dari WhisperKit Large-v3 Turbo (RTF 0.084) dan 40% lebih cepat dari Whisper-large-v3 via whisper.cpp (RTF 0.10) - dengan akurasi yang sebanding di 52 Bahasa. speech-swift menyediakan asli Swift async/await API, sementara bisikan. cpp membutuhkan jembatan C++.

Lihat penuh perbandingan tabel untuk ASR dan TTS benchmarks terhadap whisper.cpp, Apple SFSpeechenazer, AVSpeechSynthesizer, dan awan APIs.

Chip Apple Silicon apa yang didukung?

Semua chip M-series: M1, M2, M3, M4 dan mereka Pro / Max / Ultra variants. macOS 15+ (Sequoir) atau iOS 18+.

Mengapa hal itu memerlukan macOS 15 / iOS 18?

Lantai berasal dari MLState - Apple 's persisten ANE state API, diperkenalkan di macOS 15 dan iOS 18. CoreML Jaringan pipa (Qwen3-ASR, Qwen3-Chat, Qwen3-TTS) gunakan MLState untuk menjaga tahanan K.V pada Neural Engine di setiap langkah token, daripada menyeret mereka keluar masuk tiap langkah. CoreML latency by 30–50% Melawan pendekatan tanpa status sebelumnya.

Dapatkah saya menggunakannya dalam aplikasi komersial?

speech-swift dilisensikan di bawah Apache 2.0Bobot model yang mendasarinya memiliki lisensi mereka sendiri - memeriksa setiap model Halaman HuggingFace untuk rincian.

Berapa banyak memori yang dibutuhkan?

Dari ~ 3 MB (Silero VAD) ke ~ 6.5 GB (PersonaPlex 7B). Penggunaan yang khas:

• Kokoro TTS: ~ 200 MB (ember 1)
• Qwen3-ASR 0.6B: ~1.0 Puncak GB (4-bit MLX)
• Qwen3-TTS 0.6B: ~ 2 GB
• Qwen3.5-Chat 0.8B: ~700 MB (INT4 MLX) / ~1.2 GB (INT8 CoreML)
• CosyVoice3: ~ 1.5 GB
• Parakeet TDT: ~ 400 MB

Dapatkah saya menjalankan beberapa model secara bersamaan?

Ya, gunakan CoreML model pada Neural Engine bersama MLX model pada GPU (Dan enggan menolong dengan barang yang berguna) artinya tidak mau meminjamkan barang-barang miliknya yang diperlukan orang lain; apalagi memberikannya, seperti jarum, kapak, kuali Silero VAD (CoreML) + Qwen3-ASR (MLX) + Qwen3-TTS (MLX).

Apakah ada REST API?

Ya. speech-server binari mengekspos semua model melalui titik akhir HTTP REST dan WebSocket, termasuk OpenAI Realtime API- kompatibel WebSocket di /v1/realtimeLihat CLI Referensi untuk perintah server.

Bagaimana cara menginstalnya?

Homebrew:

brew install speech

Ini menginstal kedua speech CLI dan speech-server HTTP / WebSocket server pada PATH Anda.

Manajer Paket Swift:

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

Lihat Sedang Dimulai Panduan untuk instruksi penuh.

Model pidato apa yang tersedia?

Speech-to-text: Qwen3-ASR (52 bahasa, MLX) dan Parakeet TDT (25 bahasa, CoreML).

Teks - to- pidato: Qwen3-TTS (Streaming, 10 Bahasa), CosyVoice3 (Kloning suara, 9 bahasa) dan Kokoro-82M (iOS- siap, 50 Suara, 10 Bahasa).

Speech-to-speech: PersonaPlex 7B (dialog duplex penuh, awats suara 18).

Analisis audio: Silero + Pyannote VAD, Diarisasi speaker (Pyannote + Sortformer), WeSpeaker Penggelapan pembicara, dan DeepFilterNet3 Penindasan suara.

LLM: Qwen3.5-0.8B Obrolan (on- perangkat, INT4 MLX + INT8 CoreML, Streaming token).

Apakah Soniqo bekerja di Android?

Ya. speech-android SDK menyediakan Kotlin API dengan ONNX Runtime dan percepatan perangkat keras NNAPI. Support arm64-v8a nyala Android 8+ (API 26). Model auto- download dari HuggingFace pada penggunaan pertama (~1.2 GB). Mulai - Android untuk instruksi setup.

Apakah Soniqo bekerja di Linux?

Ya. speech-core projek termasuk sebuah C API untuk tertanam dan otomotif Linux (Yocto, perangkat tepi) di examples/linuxModel dijalankan melalui ONNX Runtime atau latar belakang LiteRT, dengan opsional Percepatan QNN Untuk perangkat keras Qualcomm, dukung ARM64 dan x86_64. Mulai - Linux untuk instruksi setup.

Apakah Soniqo bekerja di Windows?

Ya. Pidato Inti built on Windows x86_64 dengan kedua backends inference - ONNX Runtime dan LiteRT - meliputi streaming speech-to- teks (Nemotron, Parakeet), deteksi aktivitas suara, diarisasi speaker, dan VoxCPM2 Teks- -to- pidato. Speech Studio juga kapal penginstal Windows untuk kloning suara lokal.

Dapatkah saya berbagi model antara platform?

Model inti (Parakeet, Kokoro), penggunaan Silero Format ONNX pada Android, Linux dan Windows. Apple menggunakan format CoreML / MLX yang sama. Bobot yang didasari, format ekspor yang berbeda untuk percepatan perangkat keras setiap platform.