argmax-oss-swift
تحويل الكلام إلى نص محلياً على الجهاز، وفصل المتحدثين، وتحويل النص إلى كلام لأجهزة Apple Silicon.
إطارات عمل استدلال بلغة Swift لنماذج Whisper وPyannote وQwen-TTS التي تعمل محلياً على macOS وiOS.
هذه مجموعة من إطارات عمل Swift الجاهزة للاستخدام والمصممة لتشغيل نماذج الذكاء الاصطناعي الصوتي مباشرة على أجهزة Apple Silicon. يجب عليك استخدام هذا إذا كنت تبني تطبيقات iOS أو macOS اصلية تتطلب تفريغاً محلياً، أو تحويل النص إلى كلام، أو فصل المتحدثين دون الاعتماد على واجهات برمجة التطبيقات السحابية (Cloud APIs).
ما هو
حزمة SDK تضم ثلاثة محركات استدلال أساسية في منتجات مكتبة Swift: WhisperKit لتحويل الكلام إلى نص باستخدام OpenAI Whisper، وSpeakerKit لفصل المتحدثين باستخدام Pyannote، وTTSKit لتحويل النص إلى كلام باستخدام Qwen-TTS. وهي تدعم البث الفعّال من حيث الذاكرة للملفات الصوتية الكبيرة، والأصوات المخصصة، وتشغيل الخادم المحلي عبر واجهة سطر أوامر (CLI) اختياري.
لمن هو
ت يناسب مطوري iOS وmacos الذين يبנים تطبيقات صوت أو فيديو أو تفريغ صوتي تعتمد على العمل بلا إنترنت أولاً وتتطلب معالجة محلية على عتاد Apple. وهي لا تناسب الفرق التي تبني تطبيقات غير تابعة لـ Apple دون تغليف الخادم المحلي، أو أولئك الذين يحتاجون إلى دعم Android الجاهز دون الترقية إلى Pro SDK.
أهم الميزات
WhisperKit Speech-to-Text
تشغيل نماذج OpenAI Whisper محلياً على Apple Silicon للتفريغ متعدد اللغات.
Incremental AudioLoading
بث ملفات صوتية كبيرة من القرص الصلب بأجزاء ذات ذاكرة محددة باستخدام حدود صمت VAD.
SpeakerKit Diarization
إجراء فصل المتحدثين باستخدام نماذج تعتمد على Pyannote بشكل أصلي في Swift.
TTSKit Text-to-Speech
توليد الكلام محلياً باستخدام Qwen-TTS مع دعم الأصوات المخصصة والبث الفعلي.
جاهز للعمل في 3 خطوات
حكمنا الصادق
ما يميّزه
- يعمل بالكامل محلياً على الجهاز على macOS وiOS دون الاعتماد على واجهة برمجة تطبيقات سحابية (Cloud API)
- البث الفعّال للذاكرة يتعامل مع الملفات الصوتية الكبيرة دون تعطل
- الهندسة المعمارية النمطية تتيح لك استيراد WhisperKit وTTSKit وSpeakerKit بشكل فردي
- يتبنى أدوات Swift CLI وإمكانيات الخادم المحلي للاختبار
أين يقصّر
- يتطلب macOS 14.0+ وXcode 16.0+ للبناء والتشغيل
- الميزات المتقدمة مثل تفريغ متعدد المتحدثين في الوقت الفعلي تتطلب Pro SDK المدفوع
- تشغيل النماذج الكبيرة محلياً يتطلب ذاكرة كبيرة وموارد الحوسبة من Apple Silicon
التسعير والرخصة
مجاني بموجب ترخيص MIT الخاص بـ open-source Swift SDK. الميزات المتقدمة الإضافية والمفردات المخصصة والدعم عبر المنصات متاحة من خلال Argmax Pro SDK التجاري.
وظائف للناطقين بالعربية
876 وظيفة مفتوحة عن بعد في تدريب الذكاء الاصطناعي، آخر تحديث ١٥ نوفمبر ٢٠٢٦؛ أجر معظمها $20–$170 في الساعة. منها 2 وظائف تطلب متحدثين بالعربية. يعرضها ذكائي مجانًا، والتقديم يتم على منصة جهة التوظيف.
البدائل
استخدمه، أو دعنا نُعِدّه لك
الأسئلة الشائعة
ما هي المنصات المدعومة بواسطة هذا SDK؟
يدعم مفتوح المصدر (open-source) Swift SDK نظام macOS 14.0 والأحدث، ويتطلب Xcode 16.0 أو الأحدث.
هل يمكنني معالجة ملفات صوتية كبيرة دون نفاد الذاكرة؟
نعم، يتضمن WhisperKit وضع تحميل صوتي تزايدي يقوم ببث الملفات من القرص في أجزاء ذات ذاكرة محددة مقسمة عند حدود VAD.
هل كل الميزات متضمنة في الإصدار مفتوح المصدر؟
يوفر مفتوح المصدر (open-source) SDK إطارات عمل الاستدلال الأساسية، بينما تتطلب الميزات المتقدمة مثل التفريغ في الوقت الفعلي مع المتحدثين والمفردات المخصصة Argmax Pro SDK.
