開発
Apple向けAnySpeechRecognizerとAnyDecisionModelを公開
Swiftから端末内音声認識と確率付き分類を共通APIで扱えます。
できることと制限
Hugging Faceは日本時間2026年10月29日、Swift向けAnySpeechRecognizerとAnyDecisionModelを公開しました。
AnySpeechRecognizerはAppleのSpeechAnalyzerに似たAPIで、認識engineを選択できます。
NVIDIA ParakeetとAlibaba Qwen3-ASRのCore ML変換modelを端末内で実行できます。
streaming speaker diarizationにも対応し、誰がいつ話したかを追跡できます。
AnyDecisionModelはyes/no、multiple choice、rating scaleの質問へ型付き結果と各選択肢の確率を返します。
MLX、Core AI、llama.cpp、Jev、Ollamaをbackendとして利用できます。
両packageはHugging Face Hubからopen modelを取得してon-deviceで動作します。
Core ML変換modelには元checkpoint、file checksum、licenseが記録され、package側はrevisionを固定します。
AnySpeechRecognizerとAnyDecisionModelのrepository licenseはApache-2.0ですが、取得する各modelのlicenseは個別に確認が必要です。
音声認識の検証は現時点でmacOS 27が中心で、iPhoneとCore AI backendの対応拡大は今後とされています。