AnySpeechRecognizer وAnyDecisionModel يجلبان نماذج مفتوحة للكلام والقرارات إلى تطبيقات Apple

أطلقت Hugging Face حزمتي Swift تتيحان لتطبيقات Apple اختيار نماذج الكلام والقرار التي تريدها وتشغيلها على الجهاز نفسه. التفاصيل من منشور الإطلاق الصادر عن الشركة.

تخيّل مكالمة إلى خدمة الدعم. تحتاج أولاً إلى معرفة ما قاله العميل، ثم إلى تقرير الجهة التي تتولى أمره. يستطيع نموذج لغوي أداء المهمتين، لكن المنشور يقول إن النماذج المصممة لكل مهمة أفضل وأسرع وأرخص.

AnySpeechRecognizer

يحوّل SpeechAnalyzer من Apple، الذي ظهر مع macOS 26 وiOS 26، الكلام إلى نص، لكن محرك Apple وحده يعمل خلفه. تحافظ AnySpeechRecognizer على الواجهة نفسها وتتيح تبديل المحرك، ويبقى محرك Apple هو الافتراضي.

المحركات المتاحة:

• Parakeet v3 من NVIDIA: 25 لغة أوروبية مع كشف اللغة تلقائياً.
• Parakeet Ultra من Moondream: نسخة خضعت لتدريب لاحق انطلاقاً من v3 وكانت أدق في أغلب قياسات Hugging Face.
• Parakeet Unified: للإنجليزية فقط.
• Qwen3-ASR من Alibaba: يغطي 30 لغة إضافة إلى 22 لهجة صينية، بينها الماندرين والكانتونية واليابانية والكورية.

يعطي Qwen3-ASR نتيجة نهائية واحدة لكل مقطع حتى 40 ثانية، دون توقيت للكلمات. وهو أبطأ، فيناسب الملفات أكثر من البث المباشر.

وتضيف الحزمة أيضاً تمييز المتحدثين، أي معرفة من تكلم ومتى. تستخدم Streaming Sortformer من NVIDIA، وتتابع حتى أربعة متحدثين، حتى عند تداخل الأصوات.

السرعة والحجم

على جهاز Mac Studio بمعالج M4 Max، عالج Parakeet ساعة من الصوت من ملف في نحو 20 إلى 40 ثانية، وفي نحو 1.5 إلى 2.5 دقيقة في البث المباشر. حجم تنزيل كل Parakeet نحو 600 MB، و0.9 إلى 2.4 GB لـ Qwen3-ASR.

AnyDecisionModel

تجيب هذه الحزمة عن أسئلة بنعم أو لا، والاختيار من متعدد، والتقييم بمقياس. هي تقرأ احتمالات النموذج بدل توليد نص، فيرى التطبيق مدى احتمال كل خيار. وتعمل مع نماذج محلية عبر MLX أو Core AI أو llama.cpp، أو مع نماذج قرار من Jev أو Ollama.

يطرح تطبيق العرض Emoji Magnet سؤال نعم أو لا لكل رمز من 343 رمزاً تعبيرياً عندما تتوقف عن الكتابة. مع خدمة Jev المستضافة تستقر الرموز في نحو نصف ثانية. محلياً، يحتاج Qwen3 4B على MLX إلى نحو 10 ثوانٍ لمرور كامل.

كما تشغّل الحزمة Clef-Flash من Cloudflare، وهو نموذج بحجم 9B مزوّد برأس قرار مدرَّب. تنزيل نسخة 4-bit حجمه 6.2 GB، ويوصى بذاكرة 16 GB.

الحدود

أرقام الكلام من جهاز واحد وبضع مجموعات بيانات، والاختبار اقتصر على macOS 27 دون iPhone. وفي تسجيلات الاجتماعات AMI تجاوز معدل الخطأ في الكلمات 23% لدى كل المحركات. ويقبل Clef هنا نصاً وJSON فقط، لا صوراً ولا فيديو. وقيمة الثقة تقيس تركّز الاحتمالات، لا صحة الإجابة.