Hugging Face 发布 Apple 平台语音与决策开源模型包

Hugging Face 推出 AnySpeechRecognizer 和 AnyDecisionModel 两个 Swift 包，旨在为 Apple 平台提供可替换的本地 AI 引擎。前者支持在 Core ML 上运行 NVIDIA Parakeet 和阿里 Qwen3-ASR 进行语音识别，并集成说话人分离功能；后者利用 MLX 或 llama.cpp 在设备端执行决策任务，直接输出概率而非生成文本。这些模型均托管于 Hugging Face Hub，开发者可通过统一 API 灵活切换引擎，实现从云端到端侧的灵活部署，降低了特定场景下的推理成本。

要点

• AnySpeechRecognizer 允许在 Apple 新 API 中替换默认引擎，支持 Parakeet 和 Qwen3-ASR 本地运行
• Qwen3-ASR 支持 30 种语言及 22 种中文方言，适合文件转录；Parakeet 支持 25 种欧洲语言，适合实时输入
• AnyDecisionModel 通过概率直接回答是非、多选或评分问题，避免文本生成的不确定性
• 所有模型已转换为 Core ML 格式并上传至 Hugging Face Hub，包含完整的转换工作流和校验和
• 支持从 Hugging Face Hub 按需下载模型，Parakeet 约 600MB，Qwen3-ASR 约 0.9-2.4GB

为什么值得关注

国内开发者可利用 Qwen3-ASR 在 Apple 设备端实现高精度中文及方言语音识别，无需依赖云端服务。统一的 Swift API 降低了集成多模型的成本，适合构建离线优先的语音交互应用，提升数据隐私保护能力。