AnySpeechRecognizer и AnyDecisionModel: открытые модели для речи и решений на Apple-платформах

29 октября 2026 Mattt опубликовал анонс двух Swift-пакетов: AnySpeechRecognizer и AnyDecisionModel. Оба построены по той же схеме, что AnyLanguageModel, — знакомый API плюс выбор модели под ним. Оба умеют скачивать открытые модели с Hugging Face Hub (репозиторий открытых весов и датасетов) и запускать их на устройстве. AnyLanguageModel и swift-huggingface к этому моменту дошли до релизов 1.x, новый анонс продолжает ту же линию.

Отличие от того, что есть у Apple, видно на примере речи. В macOS 26 и iOS 26 появился SpeechAnalyzer — API распознавания речи. Работает так: в анализатор добавляют модули вроде SpeechTranscriber и SpeechDetector, на вход подают файл или поток аудиобуферов, результаты читают из async sequences (асинхронных последовательностей) по мере поступления. За установку моделей отвечает AssetInventory, то есть момент скачивания определяет само приложение. API аккуратный, но движок под ним один — Apple. AnySpeechRecognizer оставляет API и даёт выбрать движок: в заметке перечислены зеркала SpeechAnalyzer, SpeechTranscriber, DictationTranscriber и SpeechDetector, дальше текст источника обрывается.

Практический сценарий из заметки — звонок в поддержку. Сначала нужно понять, что человек сказал (распознавание речи), потом решить, куда его направить (решение). Обе задачи можно отдать языковой модели, но автор утверждает, что для каждой существуют специализированные модели — лучше, быстрее и дешевле. Запуск на устройстве убирает зависимость от сети, но цену этого в памяти и скорости автор не называет. Задачи выбора AnyDecisionModel закрывает тем же способом: пакет тянет открытую модель и считает локально.

Что именно за модели поддерживаются, какие у них лицензии и требования к железу, в заметке не сказано. Как устроен API AnyDecisionModel и когда ждать стабильных релизов обоих пакетов — данных нет.