argmax-oss-swift
Transcription vocale, diarisation des locuteurs et synthèse vocale sur l'appareil pour Apple Silicon.
Frameworks d'inférence Swift pour Whisper, Pyannote et Qwen-TTS exécutés localement sur macOS et iOS.
Il s'agit d'une collection de frameworks Swift prêts à l'emploi conçus pour exécuter des modèles d'IA vocale directement sur les appareils Apple Silicon. Vous devriez l'utiliser si vous développez des applications natives iOS ou macOS nécessitant une transcription locale, une synthèse vocale ou une diarisation des locuteurs sans dépendre d'API cloud.
Qu'est-ce que c'est
Le SDK regroupe trois moteurs d'inférence principaux dans des bibliothèques Swift : WhisperKit pour la transcription vocale OpenAI Whisper, SpeakerKit pour la diarisation des locuteurs Pyannote, et TTSKit pour la synthèse vocale Qwen-TTS. Il prend en charge le streaming à mémoire optimisée pour les fichiers audio volumineux, les voix personnalisées et l'exécution de serveurs locaux via une CLI facultative.
Pour qui
Il convient aux développeurs iOS et macOS créant des applications audio, vidéo ou de transcription fonctionnant hors-ligne en priorité et nécessitant un traitement local sur du matériel Apple. Il ne convient pas aux équipes créant des applications non-Apple sans encapsuler le serveur local, ni à celles ayant besoin d'un support Android pré-construit sans passer au Pro SDK.
Fonctionnalités clés
WhisperKit Speech-to-Text
Exécutez des modèles OpenAI Whisper localement sur Apple Silicon pour une transcription multilingue.
Incremental Audio Loading
Diffusez de grands fichiers audio depuis le disque par blocs à mémoire limitée en utilisant les frontières de silence VAD.
SpeakerKit Diarization
Effectuez la diarisation des locuteurs à l'aide de modèles basés sur Pyannote nativement en Swift.
TTSKit Text-to-Speech
Générez de la parole localement en utilisant Qwen-TTS avec prise en charge des voix personnalisées et du streaming en temps réel.
Opérationnel en 3 étapes
Notre verdict honnête
Ses atouts
- Fonctionne entièrement sur l'appareil sous macOS et iOS sans dépendance aux API cloud
- Le streaming à mémoire optimisée gère les fichiers audio volumineux sans plantage
- L'architecture modulaire vous permet d'importer WhisperKit, TTSKit et SpeakerKit individuellement
- Comprend des outils Swift CLI et des capacités de serveur local pour les tests
Ses limites
- Requiert macOS 14.0+ et Xcode 16.0+ pour la compilation et l'exécution
- Les fonctionnalités avancées telles que la transcription multi-locuteur en temps réel nécessitent le Pro SDK payant
- L'exécution de modèles volumineux en local exige une mémoire et des ressources de calcul Apple Silicon importantes
Tarifs & licence
Gratuit sous licence MIT pour le SDK Swift open source. Des fonctionnalités avancées supplémentaires, un vocabulaire personnalisé et un support multiplateforme sont disponibles via le commercial Argmax Pro SDK.
Missions pour francophones
876 missions ouvertes à distance en entraînement d’IA, mises à jour le 15 novembre 2026 ; la plupart paient $20–$170 de l’heure. 8 d’entre elles demandent des francophones. Zekai les liste gratuitement ; la candidature se fait sur la plateforme de l’employeur.
Alternatives
Utilisez-le, ou laissez-nous l'installer
FAQ
Quelles plateformes sont prises en charge par ce SDK ?
Le SDK Swift open source prend en charge macOS 14.0 et versions ultérieures, nécessitant Xcode 16.0 ou version ultérieure.
Puis-je traiter de grands fichiers audio sans saturer la mémoire ?
Oui, WhisperKit inclut un mode de chargement audio incrémentiel qui diffuse les fichiers depuis le disque par blocs à mémoire limitée divisés aux frontières VAD.
Toutes les fonctionnalités sont-elles incluses dans la version open source ?
Le SDK open source fournit les frameworks d'inférence principaux, tandis que les fonctionnalités avancées telles que la transcription en temps réel avec locuteurs et le vocabulaire personnalisé nécessitent le Argmax Pro SDK.
