Terjemahan mesin · Versi asli bahasa Inggris

Panduan awal

Pasang speech CLI untuk menerjemahkan dan menghasilkan audio pada Anda Apple Silicon MacGunakan Swift SDK untuk menambahkan pemrosesan bicara ke macOS dan iOS aplikasi.

CLI persyaratan

• macOS 15+ (Sequoles atau nanti)
• Apple Silicon (arm64)
• 8 GB RAM minimum (16 KIM direkomendasikan untuk model yang lebih besar)

Pasang CLI

Homebrew (CRI)

Gunakan ARM asli Homebrew (/opt/homebrew) untuk memasang speech dan speech-server Server HTTP / WebSocket.

brew install speech
speech --help

Tugas pertama: translate sebuah berkas M4A

Unduh rekaman cuplikan, kemudian tulis di terminal Anda:

Terhubung ke internet untuk run pertama. Model yang dipilih mengunduh dari HuggingFace dan tetap tersimpan di dalam sel Mac Anda setelah pengaturan, Anda dapat menuliskan rekaman lokal secara luring dengan model itu.

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

Lanjutkan dengan panduan M4A-to-text.

Awal Cepat: Teks -to- Pidato

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

Jalankan pidato lokal API

Mulai server HTTP / WebSocket untuk permintaan API lokal:

speech-server --port 8080

Swift SDK

Tambah Swift modul ke Anda macOS 15+ atau iOS 18+ app dengan Swift Manajer Paket.

Manajer Paket Swift

Tambahkan speech-swift ke Anda Package.swift Ketergantungan:

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

Kemudian tambahkan modul yang Anda butuhkan ke target Anda:

.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
    ]
)

Modul Tersedia

Translate audio dengan 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)

Hasilkan pidato dengan 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"))

Bangunan dari Sumber

Untuk membangun sumber, instal Xcode 16.3+ dengan Metal Toolchain dan Swift 6+Clone repositori, bangun CRI, kemudian periksa biner di checkout:

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

Shader membangun default ke macOS 15.0 dan Metal 3.2, bahkan dengan SDKs baru, override ini dengan MACOSX_DEPLOYMENT_TARGET dan MLX_METAL_LANGUAGE_VERSION untuk pembuatan ubahan; target lebih tinggi mungkin mengecualikan sistem yang lebih tua. Kompailer, SDK, flag, script, atau perubahan sumber tidak termasuk cache. Gagal kompilasi atau penyambung mempertahankan perpustakaan dan hash cache sebelumnya.

Unduhan Model

Model diunduh secara otomatis dari HuggingFace pada penggunaan pertama dan cache di ~/Library/Caches/qwen3-speech/.

Semua model diunduh dari HuggingFace pada penggunaan pertama. Perkiraan ukuran:

Langkah Berikutnya

• Lanjutkan dengan panduan M4A-to-text
• CLI Referensi - semua perintah dan pilihan yang tersedia
• Qwen3-ASR Panduan - dokumentasi speech- to- text terinci
• Qwen3-TTS Panduan - dokumentasi teks -to-speech rinci
• API & Protokol - protokol bersama dan tipe