Apple 平台开源语音识别与决策模型

发布于 2026年10月29日 · 来源: huggingface.co

AnySpeechRecognizer 和 AnyDecisionModel 是针对 Apple 平台的开源模型，分别专注于语音识别和决策任务。它们提供熟悉的 Swift API，可从 Hugging Face Hub 下载并在设备上直接运行，比将所有步骤交给语言模型更高效、快速且成本更低。

语言模型能够写作、总结、翻译和调用工具，但它们只是机器学习能力的一小部分。在客户支持电话场景中，首先需要准确转录用户所说内容，随后决定如何路由处理，专用模型在这些环节的表现明显优于通用语言模型。

项目延续了 AnyLanguageModel 1.0 的思路，后者已回顾了 Swift 环境下的本地和托管模型。现在同样的开放方式被扩展到语音和决策领域，开发者可选择不同开源模型。

两个软件包均支持从 Hugging Face Hub 下载模型并在设备上运行。语音转录技术已发展数十年，近几年准确率显著提升。