Hugging Face đã mở rộng bộ công cụ AnyLanguageModel bằng cách giới thiệu AnySpeechRecognizer và AnyDecisionModel – hai gói Swift cho phép các nhà phát triển chạy mô hình mở trên các nền tảng Apple. Cả hai gói đều có thể tải mô hình từ Hugging Face Hub và thực thi trực tiếp trên thiết bị, tận dụng API SpeechAnalyzer mới của macOS 26 và iOS 26.
AnySpeechRecognizer giữ nguyên giao diện của Apple Speech, chỉ cần thay đổi import Speech thành import AnySpeechRecognizer. Khi muốn dùng engine khác, ví dụ Parakeet, người dùng chỉ thay đổi cách khởi tạo transcriber, như: let transcriber = SpeechTranscriber(model: ParakeetSpeechModel(variant: .v3), ...). Parakeet v3 hỗ trợ 25 ngôn ngữ châu Âu và tự động nhận diện ngôn ngữ, trong khi Parakeet Ultra (Moondream) cải thiện độ chính xác.
Ngoài Parakeet, Hugging Face còn tích hợp Qwen3‑ASR của Alibaba, với các phiên bản 0.6B và 1.7B, hỗ trợ 30 ngôn ngữ và 22 phương ngữ tiếng Trung. Qwen3‑ASR chạy trên GPU, thích hợp cho việc chuyển đổi file âm thanh dài hơn, mặc dù không cung cấp kết quả tạm thời, thời gian từ và độ tin cậy như Parakeet.
- AnySpeechRecognizer: tương thích với SpeechAnalyzer, hỗ trợ live và file input.
- AnyDecisionModel: cung cấp API quyết định nhanh cho các luồng công việc.
- Đa engine: Parakeet, Qwen3‑ASR, hoặc tùy chỉnh bằng cách triển khai
SpeechRecognitionModelvàSpeechRecognitionExecutor.
Việc đưa các mô hình mở vào hệ sinh thái Apple giúp các nhà phát triển Việt Nam có thể xây dựng ứng dụng nhận dạng giọng nói và quyết định nhanh, giảm phụ thuộc vào dịch vụ đám mây và tối ưu chi phí. Đây là một bước tiến quan trọng cho việc triển khai AI native trên thiết bị di động.
Nguồn: Hugging Face — Biên dịch & tổng hợp: danhbaai.com