AnySpeechRecognizer ve AnyDecisionModel: Apple Platformları için Açık Ses Tanıma ve Karar Verme Modelleri
Kaynak: huggingface.co ·
Apple platformlarında makine öğrenimi uygulamaları geliştirmek için iki yeni Swift paketi duyuruldu. AnySpeechRecognizer; Apple'ın konuşmadan metne API'sini temel alarak NVIDIA Parakeet, Alibaba Qwen3-ASR ve konuşmacı ayrıştırma için Streaming Sortformer modellerini yerel olarak çalıştırma imkanı sunuyor. AnyDecisionModel ise metin ve JSON durumlarından yes-or-no, çoktan seçmeli ve puanlama ölçeğindeki soruları olasılık değerleriyle yanıtlayan yazım denetimli bir karar verme API'si sağlıyor. Her iki paket de Hugging Face Hub üzerinden açık kaynaklı modelleri indirmeyi ve cihaz üzerinde çalıştırmayı destekliyor.
Neden önemli?
Geliştiriciler daha önce metin dışı görevler için dil modellerine güvenmek zorundaydı veya Apple'ın sınırlı yerleşik çerçevelerine bağımlıydı. Bu paketler, ses işleme ve karar verme süreçlerini özel modellerle, daha düşük maliyetle ve esnek arka uç seçenekleriyle yerel olarak yapma imkanı vererek uygulama performansını artırıyor.
Bununla neler yapılabilir?
- Olası kullanım: Destek hattı çağrılarında ses kayıtlarını yerel olarak metne dönüştürmek ve Streaming Sortformer ile konuşmacı ayrıştırması yapmak.
- Olası kullanım: Kullanıcının yazdığı ifadelere göre Emoji Magnet uygulamasında 343 farklı emoji için arka planda evet-hayır soruları sorarak eşleşenleri filtrelemek.
- Olası kullanım: Müşteri mesajlarının aciliyetini veya hangi departmana iletilmesi gerektiğini olasılık değerleriyle ve tür güvenli sonuçlarla belirlemek.
Somut sonuçlar ve kanıtlar
- Üreticiye göre LibriSpeech dosyalarında (3 ila 8 dakika) yapılan testlerde Parakeet v3 dosya tabanlı transkripsiyon %1.55 (test-clean) ve %2.78 (test-other) kelime hata oranı elde etti. (Üreticinin açıklaması)
- Üreticiye göre aynı test koşullarında Apple'ın transkripsiyon aracı dosya tabanlı testlerde %2.12 (test-clean) ve %3.97 (test-other) kelime hata oranı gösterdi. (Üreticinin açıklaması)
Sınırlar ve açık kalan sorular
Ölçümler M4 Max Mac Studio üzerinde macOS 27.0.1 ile yapılmıştır; donanıma ve ses verisine göre sonuçlar değişiklik gösterebilir. Paketler Swift 6.2 veya üzerini, macOS 26 ya da iOS 26 ve üzerini gerektirir. Parakeet, Sortformer çalışma zamanları ve MLX arka ucu Apple silikon çip gerektirir. Toplam indirme boyutları model başına 250 MB ile 2.4 GB arasında değişmektedir.