argmax-oss-swift
Apple Silicon के लिए ऑन-डिवाइस स्पीच-टू-तकनीक (स्पीच-टू-टेक्स्ट), स्पीकर डायरिज़ेशन, और टेक्स्ट-टू-स्पीच।
macOS और iOS पर स्थानीय रूप से चलने वाले Whisper, Pyannote और Qwen-TTS के लिए Swift इन्फरेन्स फ्रेमवर्क।
यह Apple Silicon डिवाइस पर सीधे स्पीच AI मॉडल चलाने के लिए डिज़ाइन किए गए टर्न-की Swift फ्रेमवर्क का एक संग्रह है। यदि आप ऐसे नेटिव iOS या macOS एप्लिकेशन बना रहे हैं जिनमें क्लाउड API पर निर्भर हुए बिना स्थानीय ट्रांसक्रिप्शन, टेक्स्ट-टू-स्पीच, या स्पीकर डायरिज़ेशन की आवश्यकता है, तो आपको इसका उपयोग करना चाहिए।
यह क्या है
यह SDK तीन मुख्य इन्फरेन्स इंजन को Swift लाइब्रेरी उत्पादों में पैक करता है: OpenAI Whisper स्पीच-टू-टेक्स्ट के लिए WhisperKit, Pyannote स्पीकर डायरिज़ेशन के लिए SpeakerKit, और Qwen-TTS टेक्स्ट-टू-स्पीच के लिए TTSKit। यह बड़ी ऑडियो फ़ाइलों के लिए मेमोरी-कुशल स्ट्रीमिंग, कस्टम आवाज़ों और वैकल्पिक CLI के माध्यम से स्थानीय सर्वर निष्पादन का समर्थन करता है।
किसके लिए
यह उन iOS और macOS डेवलपर्स के अनुकूल है जो ऑफ़लाइन-फ़र्स्ट ऑडियो, वीडियो या ट्रांसक्रिप्शन एप्लिकेशन बना रहे हैं जिन्हें Apple हार्डवेयर पर स्थानीय प्रोसेसिंग की आवश्यकता होती है। यह उन टीमों के अनुकूल नहीं है जो स्थानीय सर्वर को रैप किए बिना गैर-Apple एप्लिकेशन बना रही हैं, या जिन्हें Pro SDK में अपग्रेड किए बिना पूर्व-निर्मित Android समर्थन की आवश्यकता है।
मुख्य विशेषताएँ
WhisperKit Speech-to-Text
बहुभाषी ट्रांसक्रिप्शन के लिए Apple Silicon पर स्थानीय रूप से OpenAI Whisper मॉडल चलाएं।
Incremental Audio Loading
VAD साइलेंस बाउंड्री का उपयोग करके सीमित-मेमोरी चंक में डिस्क से बड़ी ऑडियो फ़ाइलें स्ट्रीम करें।
SpeakerKit Diarization
Swift में मूल रूप से Pyannote-आधारित मॉडल का उपयोग करके स्पीकर डायरिज़ेशन करें।
TTSKit Text-to-Speech
कस्टम आवाज़ों और रीयल-टाइम स्ट्रीमिंग के समर्थन के साथ Qwen-TTS का उपयोग करके स्थानीय रूप से स्पीच जनरेट करें।
3 चरणों में तैयार
हमारा ईमानदार फैसला
क्या अच्छा है
- क्लाउड API निर्भरता के बिना macOS और iOS पर पूरी तरह से ऑन-डिवाइस चलता है
- मेमोरी-कुशल स्ट्रीमिंग क्रैश हुए बिना बड़ी ऑडियो फ़ाइलों को संभालती है
- मॉड्यूलर आर्किटेक्चर आपको WhisperKit, TTSKit और SpeakerKit को व्यक्तिगत रूप से आयात करने देता है
- परीक्षण के लिए Swift CLI टूल और स्थानीय सर्वर क्षमताएं शामिल हैं
कहाँ कमी है
- बनाने और चलाने के लिए macOS 14.0+ और Xcode 16.0+ की आवश्यकता है
- रीयल-टाइम बहु-स्पीकर ट्रांसक्रिप्शन जैसी उन्नत सुविधाओं के लिए भुगतान किए गए Pro SDK की आवश्यकता होती है
- बड़े मॉडल को स्थानीय रूप से चलाने के लिए महत्वपूर्ण Apple Silicon मेमोरी और कंप्यूट संसाधनों की मांग होती है
मूल्य & लाइसेंस
ओपन-सोर्स Swift SDK के लिए इसके MIT लाइसेंस के तहत मुफ़्त। अतिरिक्त उन्नत सुविधाएँ, कस्टम शब्दावली, और क्रॉस-प्लैटफ़ॉर्म समर्थन वाणिज्यिक Argmax Pro SDK के माध्यम से उपलब्ध हैं।
हिंदी बोलने वालों के लिए जॉब्स
876 खुले रिमोट AI-ट्रेनिंग रोल, 15 नवंबर 2026 को अपडेट; ज़्यादातर में $20–$170 प्रति घंटा। इनमें से 5 हिंदी बोलने वालों के लिए हैं। Zekai इन्हें मुफ़्त में लिस्ट करता है; आवेदन एम्प्लॉयर के प्लेटफ़ॉर्म पर जाता है।
विकल्प
इसे उपयोग करें, या हमसे सेट करवाएं
सामान्य प्रश्न
What platforms are supported by this SDK?
ओपन-सोर्स Swift SDK macOS 14.0 और बाद के संस्करण का समर्थन करता है, जिसके लिए Xcode 16.0 या बाद के संस्करण की आवश्यकता होती है।
Can I process large audio files without running out of memory?
हाँ, WhisperKit में एक वृद्धिशील ऑडियो लोडिंग मोड शामिल है जो VAD बाउंड्री पर विभाजित सीमित-मेमोरी चंक में डिस्क से फ़ाइलें स्ट्रीम करता है।
Are all features included in the open-source release?
ओपन-सोर्स SDK कोर इन्फरेन्स फ्रेमवर्क प्रदान करता है, जबकि स्पीकर्स के साथ रीयल-टाइम ट्रांसक्रिप्शन और कस्टम शब्दावली जैसी उन्नत सुविधाओं के लिए Argmax Pro SDK की आवश्यकता होती है।
