argmax-oss-swift
Fala para texto, diarização de falantes e texto para fala no próprio dispositivo para Apple Silicon.
Frameworks de inferência Swift para Whisper, Pyannote e Qwen-TTS rodando localmente no macOS e iOS.
Esta é uma coleção de frameworks Swift prontos para uso, projetados para executar modelos de IA de fala diretamente em dispositivos Apple Silicon. Você deve usar isto se estiver construindo aplicativos nativos para iOS ou macOS que exijam transcrição local, texto para fala ou diarização de falantes sem depender de APIs em nuvem.
O que é
O SDK empacota três motores centrais de inferência em produtos de biblioteca Swift: WhisperKit para fala para texto do OpenAI Whisper, SpeakerKit para diarização de falantes do Pyannote e TTSKit para texto para fala do Qwen-TTS. Ele suporta streaming eficiente em memória para arquivos de áudio grandes, vozes personalizadas e execução de servidor local por meio de uma CLI opcional.
Para quem
É ideal para desenvolvedores de iOS e macOS que criam aplicativos de áudio, vídeo ou transcrição com foco offline, exigindo processamento local em hardware Apple. Não é adequado para equipes que constroem aplicativos não Apple sem encapsular o servidor local, ou para aqueles que precisam de suporte pré-construído para Android sem atualizar para o Pro SDK.
Recursos principais
WhisperKit Fala para Texto
Execute modelos OpenAI Whisper localmente no Apple Silicon para transcrição multilíngue.
Carregamento Incremental de Áudio
Transmita arquivos de áudio grandes do disco em blocos de memória limitada usando limites de silêncio de VAD.
Diarização SpeakerKit
Realize diarização de falantes usando modelos baseados em Pyannote nativamente em Swift.
TTSKit Texto para Fala
Gere fala localmente usando Qwen-TTS com suporte para vozes personalizadas e streaming em tempo real.
Pronto em 3 passos
Nosso veredito honesto
Pontos fortes
- Roda inteiramente no dispositivo no macOS e iOS sem dependência de API em nuvem
- O streaming eficiente em memória lida com arquivos de áudio grandes sem travar
- A arquitetura modular permite importar WhisperKit, TTSKit e SpeakerKit individualmente
- Inclui ferramentas Swift CLI e recursos de servidor local para testes
Onde deixa a desejar
- Requer macOS 14.0+ e Xcode 16.0+ para compilar e executar
- Recursos avançados como transcrição em tempo real com múltiplos falantes exigem o Pro SDK pago
- Executar modelos grandes localmente exige memória significativa do Apple Silicon e recursos de computação
Preços & licença
Gratuito sob sua licença MIT para o SDK Swift de código aberto. Recursos avançados adicionais, vocabulário personalizado e suporte multiplataforma estão disponíveis através do comercial Argmax Pro SDK.
Vagas para quem fala português
876 vagas remotas abertas de treinamento de IA, atualizadas em 15 de novembro de 2026; a maioria paga $20–$170 por hora. 8 delas pedem falantes de português. O Zekai lista de graça; a candidatura vai para a plataforma do empregador.
Alternativas
Use, ou deixe que a gente configure
FAQ
Quais plataformas são suportadas por este SDK?
O SDK Swift de código aberto suporta macOS 14.0 e posterior, exigindo Xcode 16.0 ou posterior.
Posso processar arquivos de áudio grandes sem ficar sem memória?
Sim, o WhisperKit inclui um modo de carregamento incremental de áudio que transmite arquivos do disco em blocos de memória limitada divididos nos limites de VAD.
Todos os recursos estão incluídos na versão de código aberto?
O SDK de código aberto fornece frameworks de inferência principais, enquanto recursos avançados como transcrição em tempo real com falantes e vocabulário personalizado exigem o Argmax Pro SDK.
