Maskinoversettelse · Engelsk original

Kom i gang

Installer speech CLI for å overføre og generere lyd på Apple Silicon Mac. Bruk Swift SDK for å legge til talebehandling til macOS og iOS

CLI-krav

• macOS 15+ (Sequoia eller senere)
• Apple Silicon (arm64)
• 8 GB RAM minimum (16 GB anbefales for større modeller)

Installer CLI

Homebrew (CLI)

Bruk den opprinnelige ARM Homebrew (/opt/homebrew) for å installere speech og speech-server HTTP/WebSocket serveren.

brew install speech
speech --help

Første oppgave: transskriber en M4A fil

Last ned prøveopptaket, deretter overføre det i terminalen:

Koble til internett for første kjøring. Den valgte modellen lastes ned fra HuggingFace og forblir cached på Mac. Etter installasjon, kan du overføre lokale opptak frakoblet med den modellen.

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

Fortsett med M4A-to-text guide.

Rask start: Tekst til tale

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

Kjør en lokal tale API

Start HTTP/WebSocket serveren for lokale API forespørsler:

speech-server --port 8080

Swift SDK

Legg til Swift-modulene til macOS 15+ eller iOS 18+-appen med Swift Pakkehåndtering.

Swift Pakkehåndtering

Legg speech-swift til Package.swift avhengigheter:

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

Legg deretter til modulene du trenger til målet ditt:

.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
    ]
)

Tilgjengelige moduler

Overskriv lyd med 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)

Generer tale med 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"))

Bygg fra Kilde

Hvis du vil bygge en kilde, kan du installere Xcode 16.3+ med Metal Toolchain og Swift 6+. Klone lagret, bygge CLI, og deretter sjekke binær i utsjekkingen:

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

Shader bygger standard til macOS 15.0 og Metal 3.2, selv med nyere SDKs. Overstyr disse med MACOSX_DEPLOYMENT_TARGET og MLX_METAL_LANGUAGE_VERSION for egendefinerte bygg; høyere mål kan utelukke eldre systemer. Kompilator, SDK, flagg, skript eller kilde endrer bufferen. Feilaktig sammenstilling eller kobling av det forrige biblioteket og cache hash.

Modellnedlastninger

Modeller lastes ned automatisk fra HuggingFace ved første bruk og cached i ~/Library/Caches/qwen3-speech/.

Alle modeller lastes ned fra HuggingFace ved første bruk. Omtrentlige størrelser:

Neste trinn

• Fortsett med M4A-to-text guide
• CLI referanse - alle tilgjengelige kommandoer og alternativer
• Qwen3-ASR Veiledning - detaljert tale-til-tekst-dokumentasjon
• Qwen3-TTS Veiledning - detaljert tekst-til-speech dokumentasjon
• API & protokoller - delte protokoller og typer