Traduzione automatica · Originale inglese

Domande frequenti

speech-swift funziona su iOS?

Kokoro TTS, Qwen3.5-Chat, Silero VAD, Parakeet ASR, DeepFilterNet3e WeSpeaker tutto il corso iOS 18+ via via via via CoreML sul Neural Engine. Modelli basati su MLX (Qwen3-ASR, Qwen3-TTS, Qwen3.5-Chat MLX, PersonaPlex) richiesta macOS 15+ su Apple Silicon.

Ha bisogno di una connessione internet?

Solo per il download del modello iniziale da HuggingFace (automatico, memorizzato nella cache ~/Library/Caches/qwen3-speech/). Dopo di che, tutte le operazioni di inferenza completamente offline senza accesso alla rete. Nessuna API cloud, nessuna chiave API necessaria.

Come si confronta speech-swift con Whisper?

Qwen3-ASR-0.6B raggiunge RTF 0.012 su M5 Pro —7× più veloce di WhisperKit Large-v3 Turbo (RTF 0.084) e 40% più veloce di Whisper-large-v3 via sussurrare.cpp (RTF 0.10) — con una precisione comparabile tra l'altro 52 lingue. speech-swift fornisce un nativo Swift async/await API, mentre sussurro.cpp richiede un ponte C++.

Vedere il pieno tabelle di confronto per i benchmark ASR e TTS contro sussurra.cpp, Apple SFSpeechRecognizer, AVSpeechSynthesizer e cloud API.

Quali sono supportate le chip Apple Silicon?

Tutte le chips M-series: M1, M2, M3, M4 e le loro varianti Pro/Max/Ultra. Richiede macOS 15+ (Sequoia) o iOS 18+.

Perché richiede macOS 15 / iOS 18?

Il pavimento proviene da MLState — Lo stato persistente di Apple ANE API, introdotto in macOS 15 e iOS 18. CoreML tubazioni (Qwen3-ASR, Qwen3-Chat, Qwen3-TTS) utilizzare MLState per mantenere le cache KV residenti sul Neural Engine attraverso i passaggi di token, invece di chiuderli dentro e fuori ogni passo. CoreML latenza da parte di 30–50% contro il precedente approccio senza stato.

Posso usarlo in un'app commerciale?

Si. speech-swift è concesso in licenza con Apache 2.0 I pesi del modello sottostante hanno le proprie licenze — controllano ogni modello HuggingFace pagina per dettagli.

Quanto memoria ha bisogno?

Da ~ 3 MB (Silero VAD) a ~6.5 GB (PersonaPlex 7B). Uso tipico:

Posso eseguire più modelli contemporaneamente?

Sì, uso CoreML modelli su Neural Engine insieme MLX modelli su GPU ad esempio, per evitare la contesa, Silero VAD (CoreML) + Qwen3-ASR (MLX) + Qwen3-TTS (MLX).

C'è un REST API?

Si'. speech-server binario espone tutti i modelli tramite HTTP REST e WebSocket endpoints, tra cui un OpenAI compatibile con API in tempo reale WebSocket a) /v1/realtime. Vedi il CLI Riferimento per i comandi del server.

Come posso installarlo?

Homebrew:

brew install speech

Questo installa sia il speech CLI che il server speech-server HTTP/ WebSocket server sul tuo PATH.

Swift Responsabile del pacchetto:

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

Vedere la guida Getting Started per istruzioni complete.

Quali modelli di discorso sono disponibili?

Discussione su testo: Qwen3-ASR (lingua 52, MLX) e Parakeet TDT (lingua25), CoreML.

Testo-speech: Qwen3-TTS (streaming, 10 languages), CosyVoice3 (clonazione vocale, 9 lingue) e Kokoro-82M (iOS-ready, 50 voci, 10 lingue).

Speech-to-speech: PersonaPlex 7B (dialogo full-duplex, 18 preset vocali).

Analisi audio: Silero + Pyannote VAD, diarizzazione del diffusore (Pyannote+ Sortformer), embedding del diffusore WeSpeaker e soppressione del rumore DeepFilterNet3.

LLM: Qwen3.5-0.8B Chat (on-device, INT4 MLX + INT8 CoreML, token di streaming).

Soniqo funziona su Android?

Si'. speech-android SDK fornisce un Kotlin API con accelerazione hardware ONNX Runtime e NNAPI. Supporti arm64-v8a su Android 8+ (API 26). Modelli auto-download da HuggingFace sul primo uso (~1.2 GB). Iniziare — Android per istruzioni di configurazione.

Soniqo funziona su Linux

Si'. speech-core progetto comprende un C API per embedded e automotive Linux (Yocto, dispositivi bordo) a examples/linux. I modelli vengono eseguiti attraverso i backend ONNX Runtime o LiteRT, con optional Accelerazione QNN per hardware Qualcomm. Supporta ARM64 e x86_64. Iniziare — Linux per istruzioni di configurazione.

Soniqo funziona su Windows?

Si'. Speech Core su Windows x86_64 con entrambi i backend di inferenza — ONNX Runtime e LiteRT — che copre lo streaming vocale-to-text (Nemotron, Parakeet), il rilevamento di attività vocale, la diarizzazione dei diffusori e il testo-to-speech VoxCPM2. Speech Studio anche navi un installatore Windows per clonazione vocale locale.

Posso condividere modelli tra piattaforme?

I modelli di base (Parakeet, Kokoro), Silero Formato ONNX su Android, Linux e Windows. Apple utilizza i formati CoreML/MLX: i pesi sottostanti, i diversi formati di esportazione ottimizzati per l'accelerazione hardware di ogni piattaforma.