语言识别
使用 SpeechBrain ECAPA VoxLingua107 在设备端识别口语语言。Swift 运行时支持原生 MLX 和已编译的 Core ML，并对 107 个语言标签进行排序。
架构
音频会重采样到 16 kHz，并通过精确匹配 SpeechBrain 的 60 维对数梅尔前端。时间均值归一化后的特征进入 ECAPA-TDNN 编码器及其 107 类分类器。
CLI
speech language-id recording.wav
speech language-id recording.wav --engine coreml --top 3
speech language-id recording.wav --json默认使用 MLX。使用 --engine coreml 选择已编译模型，--top 设置候选数量，--json 输出机器可读结果。
Swift API
import SpeechLanguageID
let identifier = try await SpeechLanguageIdentifier.fromPretrained(engine: .mlx)
let result = try identifier.identify(
audio: samples,
sampleRate: sampleRate,
topK: 5
)
print(result.best?.label.code ?? "unknown")长录音
每次模型调用最多分析约 30 秒。更长的录音会被划分为不重叠窗口，并按时长加权合并概率。
封闭集模型
模型始终会在已知标签中给出排名，其置信度不能用于检测未知语言。对于静音、音乐、语码转换和不支持的语言，请加入 VAD 和经过校准的拒识策略。