Traduzione automatica · Originale inglese

Guida introduttiva

Installare il speech CLI per trascrivere e generare audio sul tuo Apple Silicon Mac. Utilizzare Swift SDK per aggiungere il trattamento vocale a macOS e iOS app.

Requisiti CLI

• macOS 15+ (Sequoia o successivo)
• Apple Silicon (arm64)
• 8 GB RAM minimo (16 GB raccomandato per modelli più grandi)

Installare il CLI

Homebrew (CLI)

Utilizzare ARM nativo Homebrew (/opt/homebrew) da installare speech e il speech-server Server HTTP/WebSocket.

brew install speech
speech --help

Primo compito: trascrivere un file M4A

Scarica la registrazione del campione, quindi trascrivilo nel tuo terminale:

Connettiti a Internet per la prima esecuzione. Il modello selezionato scarica da HuggingFace e rimane memorizzato sul tuo Mac. Dopo l'installazione, è possibile trascrivere registrazioni locali offline con quel modello.

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

Continuare con la guida M4A-to-text.

Avvio rapido: Testo a velocità

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

Esegui un discorso locale API

Avviare il server HTTP/WebSocket per le richieste API locali:

speech-server --port 8080

Swift SDK

Aggiungi i moduli Swift alla tua app macOS 15+ o iOS, 18+ con Swift Package Manager.

Swift Responsabile del pacchetto

Aggiungere speech-swift al vostro Package.swift

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

Quindi aggiungere i moduli che è necessario per il vostro obiettivo:

.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
    ]
)

Moduli disponibili

Trascrivi l'audio con 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)

Generare il discorso con 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"))

Edificio da Fonte

Per la creazione di una sorgente, installare Xcode 16.3+ con la Metal Toolchain e Swift 6+. clonare il repository, costruire il CLI, quindi controllare il binario nel checkout:

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

Shader costruisce il default a macOS 15.0 e Metal, 3.2 anche con SDK più recenti. MACOSX_DEPLOYMENT_TARGET e MLX_METAL_LANGUAGE_VERSION Compiler, SDK, flag, script o modifiche di origine invalidano la cache. La compilazione o il collegamento non eseguito conserva l'hash precedente della libreria e della cache.

Download del modello

I modelli vengono scaricati automaticamente da HuggingFace sul primo utilizzo e memorizzati nella cache in ~/Library/Caches/qwen3-speech/

Tutti i modelli sono scaricati da HuggingFace sul primo utilizzo.

Prossimo passo

• Continuare con la guida M4A-to-text
• CLI Riferimento — tutti i comandi e le opzioni disponibili
• Guida Qwen3-ASR — documentazione dettagliata del discorso al testo
• Guida Qwen3-TTS — documentazione dettagliata del testo in lingua spagnola
• API & Protocols — Protocolli e tipi condivisi