शुरुआत

speech-swift Apple Silicon पर macOS और iOS के लिए ऑन-डिवाइस AI स्पीच प्रोसेसिंग प्रदान करता है। मॉडल MLX (Metal GPU) और CoreML (Neural Engine) का उपयोग करके लोकली चलते हैं।

आवश्यकताएँ

• macOS 15+ (Sequoia या बाद में)
• Apple Silicon (M1, M2, M3, M4 सीरीज़)
• Xcode 16+ / Swift 6.0+
• न्यूनतम 8 GB RAM (बड़े मॉडलों के लिए 16 GB अनुशंसित)

इंस्टॉलेशन

Homebrew (CLI)

macOS पर speech-swift आज़माने का सबसे तेज़ तरीका। speech CLI और HTTP/WebSocket सर्वर speech-server (OpenAI-संगत /v1/realtime एंडपॉइंट) दोनों इंस्टॉल करता है। नेटिव ARM Homebrew (/opt/homebrew) आवश्यक है।

brew install speech

इंस्टॉल के बाद, दोनों बाइनरी आपके PATH में हैं:

speech transcribe recording.wav
speech speak "Hello, world!" --output hello.wav
speech-server --port 8080            # स्थानीय HTTP / WebSocket सर्वर

Swift Package Manager

अपने Package.swift dependencies में speech-swift जोड़ें:

dependencies: [
    .package(url: "https://github.com/soniqo/speech-swift", branch: "main")
]

फिर अपने टारगेट में आवश्यक मॉड्यूल जोड़ें:

.target(
    name: "MyApp",
    dependencies: [
        .product(name: "Qwen3ASR", package: "speech-swift"),
        .product(name: "Qwen3TTS", package: "speech-swift"),
        .product(name: "SpeechVAD", package: "speech-swift"),
        // ... add any modules you need
    ]
)

उपलब्ध मॉड्यूल

सोर्स से बिल्ड करना

रिपॉज़िटरी को क्लोन करें और बिल्ड करें:

git clone https://github.com/soniqo/speech-swift.git
cd speech-swift
make build

त्वरित प्रारंभ: ऑडियो ट्रांसक्राइब करें

CLI

# Transcribe a WAV file
.build/release/speech transcribe recording.wav

Swift API

import Qwen3ASR

let model = try await Qwen3ASRModel.fromPretrained()
// audioSamples: [Float] PCM at 16 kHz (e.g. decoded from a WAV)
let text = model.transcribe(audio: audioSamples, sampleRate: 16000)
print(text)

मॉडल पहले उपयोग पर HuggingFace से स्वचालित रूप से डाउनलोड होते हैं और ~/Library/Caches/qwen3-speech/ में कैश होते हैं।

त्वरित प्रारंभ: टेक्स्ट-टू-स्पीच

CLI

# Generate speech
.build/release/speech speak "Hello, world!" --output hello.wav

Swift API

import Qwen3TTS
import AudioCommon

let model = try await Qwen3TTSModel.fromPretrained()
let audio = model.synthesize(text: "Hello, world!", language: "english")
try WAVWriter.write(samples: audio, sampleRate: 24000, to: URL(filePath: "hello.wav"))

मॉडल डाउनलोड

सभी मॉडल पहले उपयोग पर HuggingFace से डाउनलोड होते हैं। अनुमानित आकार:

अगले कदम

• CLI संदर्भ — सभी उपलब्ध कमांड और विकल्प
• Qwen3-ASR गाइड — विस्तृत स्पीच-टू-टेक्स्ट दस्तावेज़ीकरण
• Qwen3-TTS गाइड — विस्तृत टेक्स्ट-टू-स्पीच दस्तावेज़ीकरण
• API और प्रोटोकॉल — साझा प्रोटोकॉल और types