Traducere automată · Originalul în engleză

Primii pași

Instalați speech CLI pentru transcriere și genera audio pe dvs. Apple Silicon Mac Foloseşte-l. Swift SDK pentru a adăuga procesarea vorbirii la macOS şi iOS aplicații.

Cerințe privind CLI

• macOS 15+ (Sequoia sau mai târziu)
• Apple Silicon (arm64)
• 8 GB RAM minimum (16 GB recomandată pentru modele mai mari)

Instalați CLI

Homebrew (CLI)

Utilizați ARM nativ Homebrew (/opt/homebrew) să instaleze speech şi speech-server Server HTTP/WebSocket.

brew install speech
speech --help

Prima sarcină: transcrie un fișier M4A

Descărcați înregistrarea eșantionului, apoi transcrieți-l în terminalul dumneavoastră:

Conectați-vă la internet pentru prima cursă. Modelul selectat descărcări de la HuggingFace și rămâne cached pe dvs. Mac. După configurare, puteți transcrie înregistrări locale offline cu acel model.

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

Continuaţi cu ghidul M4A-to-text .

Start rapid: Text-to-Speech

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

Rulați un discurs local API

Porniți serverul HTTP/WebSocket pentru cereri locale API:

speech-server --port 8080

Swift SDK

Adăugaţi modulele Swift la aplicaţia dvs. macOS 15+ sau iOS 18+ cu Swift Package Manager.

Swift Pachet manager

Adăugaţi speech-swift la dumneavoastră Package.swift dependenţe:

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

Apoi adăugați modulele de care aveți nevoie la țintă:

.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
    ]
)

Module disponibile

Transcriere audio cu 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)

Generează speech cu 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"))

Clădire din surse

Pentru o sursă de construcţie, instalaţi Xcode 16.3+ cu Metal Toolchain şi Swift 6+. Clonaţi depozitul, construiţi CLI, apoi verificaţi binar în checkout:

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

Shader construiește implicit la macOS 15,0 și Metal 3.2, chiar și cu SDK-uri mai noi. Suprascrieți-le cu MACOSX_DEPLOYMENT_TARGET și MLX_METAL_LANGUAGE_VERSION pentru construcțiile personalizate; țintele mai mari pot exclude sistemele mai vechi. Compiler, SDK, steagul, scriptul, sau modificările de sursă invalidează cache-ul. compilarea sau conectarea eșuată păstrează biblioteca anterioară și hash cache.

Modele de descărcări

Modelele sunt descărcate automat de la HuggingFace la prima utilizare și se înregistrează în ~/Library/Caches/qwen3-speech/.

Toate modelele sunt descărcate de la HuggingFace la prima utilizare. Dimensiuni aproximative:

Următoarele etape

• Continuaţi cu ghidul M4A-to-text
• CLI Reference
• Qwen3-ASR Ghid
• Qwen3-TTS Ghid
• API & Protocols