Hugging Face lança AnySpeechRecognizer e AnyDecisionModel para iOS 26

Reconhecimento de fala flexível

AnySpeechRecognizer espelha a API SpeechAnalyzer, mantendo classes como SpeechTranscriber e SpeechDetector e permite usar os mesmos fluxos assíncronos. O import padrão aponta para o framework Speech da Apple; trocar para Parakeet basta mudar o import e criar o transcriber com a classe ParakeetSpeechModel, sem alterar o restante do código.``swift let transcriber = SpeechTranscriber( model: ParakeetSpeechModel(variant: .v3), transcriptionOptions: [], reportingOptions: [.volatileResults], attributeOptions: [.audioTimeRange] ) ``A troca é só no import.

Parakeet oferece três variantes: v3 (0.6 B), Ultra (versão pós‑treinada da Moondream) e Unified (inglês‑only), todas convertidas para Core ML e capazes de reconhecer até 25 línguas europeias sem precisar de locale, detectando automaticamente o idioma. Qwen3‑ASR da Alibaba chega em versões de 0.6 B e 1.7 B, cobre 30 línguas e 22 dialetos chineses, detecta idioma automaticamente ou aceita configurar explicitamente e inclui suporte a japonês e coreano. O modelo da NVIDIA roda inteiramente na CPU via Core ML, enquanto o da Alibaba exige GPU, produz resultados finais por segmento de até 40 s e não fornece resultados voláteis, temporização de palavras ou confiança, o que aumenta o tempo de latência em cerca de 30 %. Qwen3‑ASR roda na GPU.

Decisão local sem texto

AnyDecisionModel aceita perguntas de sim/não, múltipla escolha ou escala e devolve o rótulo escolhido junto da probabilidade associada, para cada opção. Em vez de gerar texto, ele extrai a resposta diretamente das distribuições de probabilidade do modelo, reduzindo latência e consumo de energia e elimina erros ao gerar. O pacote aceita modelos executados com MLX, Core AI, llama.cpp ou servidores locais como Jev e Ollama e permite escolher entre CPU e GPU conforme a plataforma. Ele devolve probabilidades.

Todos os modelos foram convertidos para Core ML e publicados no Hugging Face Hub sob licenças como CC BY 4.0, Apache 2.0 ou NVIDIA Open Model License, permitindo download automático via AssetInventory e atualização transparente. Os desenvolvedores podem integrar os pacotes em apps Swift, escolher quando baixar os ativos e executar a inferência totalmente offline, controlando o uso de banda e armazenamento. Os requisitos mínimos são macOS 26 ou iOS 26, Core ML runtime para Parakeet e GPU compatível para Qwen3‑ASR, e memória RAM de pelo menos 2 GB. Os modelos são gratuitos.

Hugging Face se junta à tendência de levar modelos abertos para dispositivos Apple, oferecendo alternativa ao motor exclusivo da Apple para melhorar privacidade e reduzir custos de nuvem. A empresa demonstrou transcrição em tempo real com Parakeet e decisão offline com AnyDecisionModel em exemplos funcionais no repositório e disponibilizou scripts de benchmark. Contudo, afirma que novos motores podem ser adicionados, mas ainda não há implementações além de Parakeet e Qwen3‑ASR, e os documentos ainda carecem de exemplos avançados. Ainda falta suporte a Android.