argmax-oss-swift
Распознавание речи, диаризация спикеров и синтез речи локально на Apple Silicon.
Swift-фреймворки вывода для Whisper, Pyannote и Qwen-TTS, работающие локально на macOS и iOS.
Это набор готовых Swift-фреймворков, предназначенных для запуска моделей речевого ИИ непосредственно на устройствах Apple Silicon. Вам стоит использовать его, если вы создаете нативные приложения для iOS или macOS, которым требуется локальная транскрипция, синтез речи или диаризация спикеров без использования облачных API.
Что это
SDK объединяет три основных движка вывода в виде библиотечных продуктов Swift: WhisperKit для распознавания речи OpenAI Whisper, SpeakerKit для диаризации спикеров Pyannote и TTSKit для синтеза речи Qwen-TTS. Он поддерживает эффективную по памяти потоковую передачу больших аудиофайлов, пользовательские голоса и локальный запуск сервера через опциональный CLI.
Для кого
Он подходит для разработчиков iOS и macOS, создающих аудио-, видео- или приложения для транскрипции с приоритетом офлайн-режима, требующие локальной обработки на оборудовании Apple. Он не подходит для команд, создающих не-Apple приложения без обертки локального сервера, или для тех, кому требуется готовая поддержка Android без перехода на Pro SDK.
Ключевые возможности
WhisperKit Speech-to-Text
Запуск моделей OpenAI Whisper локально на Apple Silicon для многоязычной транскрипции.
Incremental AudioLoading
Потоковая передача больших аудиофайлов с диска блоками с ограниченным объемом памяти с использованием границ тишины VAD.
SpeakerKit Diarization
Выполнение диаризации спикеров с использованием моделей на базе Pyannote нативно в Swift.
TTSKit Text-to-Speech
Генерация речи локально с использованием Qwen-TTS с поддержкой пользовательских голосов и потоковой передачи в реальном времени.
Готово за 3 шага
Наш честный вердикт
Плюсы
- Работает полностью на устройстве в macOS и iOS без зависимости от облачного API
- Эффективная по памяти потоковая передача справляется с большими аудиофайлами без сбоев
- Модульная архитектура позволяет импортировать WhisperKit, TTSKit и SpeakerKit по отдельности
- Включает инструменты Swift CLI и возможности локального сервера для тестирования
Минусы
- Требует macOS 14.0+ и Xcode 16.0+ для сборки и запуска
- Расширенные функции, такие как транскрипция с несколькими спикерами в реальном времени, требуют платного Pro SDK
- Запуск больших моделей локально требует значительных ресурсов памяти и вычислений Apple Silicon
Цены и лицензия
Бесплатно по лицензии MIT для с открытым исходным кодом Swift SDK. Дополнительные расширенные функции, пользовательский словарный запас и кроссплатформенная поддержка доступны через коммерческий Argmax Pro SDK.
Вакансии для носителей русского языка
876 открытых удалённых вакансий по обучению ИИ, обновлено 15 ноября 2026 г.; в большинстве оплата $20–$170 в час. Из них 2 — для носителей русского языка. Zekai публикует их бесплатно; отклик уходит на платформу работодателя.
Альтернативы
Используйте сами или мы всё настроим
Вопросы
Какие платформы поддерживаются этим SDK?
Swift SDK с открытым исходным кодом поддерживает macOS 14.0 и выше, требуя Xcode 16.0 или выше.
Могу ли я обрабатывать большие аудиофайлы без нехватки памяти?
Да, WhisperKit включает режим инкрементальной загрузки аудио, который передает файлы с диска блоками с ограниченным объемом памяти, разделенными по границам VAD.
Все ли функции включены в релиз с открытым исходным кодом?
SDK с открытым исходным кодом предоставляет основные фреймворки вывода, в то время как расширенные функции, такие как транскрипция в реальном времени с указанием спикеров и пользовательский словарный запас, требуют Argmax Pro SDK.
