Premiers pas

Installez la CLI speech pour transcrire et générer de l’audio sur votre Mac Apple Silicon. Utilisez le SDK Swift pour intégrer le traitement vocal à vos applications macOS et iOS.

Prérequis de la CLI

• macOS 15+ (Sequoia ou ultérieur)
• Apple Silicon (arm64)
• 8 Go de RAM minimum (16 Go recommandés pour les modèles plus grands)

Installer la CLI

Homebrew (CLI)

Utilisez la version ARM native de Homebrew (/opt/homebrew) pour installer speech et le serveur HTTP/WebSocket speech-server.

brew install speech
speech --help

Première tâche : transcrire un fichier M4A

Téléchargez l’enregistrement d’exemple, puis transcrivez-le dans le terminal :

Connectez-vous à internet pour la première exécution. Le modèle sélectionné se télécharge depuis HuggingFace et reste en cache sur votre Mac. Une fois la configuration terminée, vous pouvez transcrire des enregistrements locaux hors ligne avec ce modèle.

curl -fL https://soniqo.audio/audio/samples/cli/transcription-sample.m4a -o transcription-sample.m4a
speech transcribe transcription-sample.m4a --engine parakeet

Continuer avec le guide M4A vers texte.

Démarrage rapide : synthèse vocale

speech speak "Hello, world!" --output hello.wav

Lancer une API vocale locale

Démarrez le serveur HTTP/WebSocket pour traiter les requêtes API locales :

speech-server --port 8080

SDK Swift

Ajoutez les modules Swift à votre application macOS 15+ ou iOS 18+ avec Swift Package Manager.

Swift Package Manager

Ajoutez speech-swift aux dépendances de votre Package.swift :

dependencies: [
    .package(url: "https://github.com/soniqo/speech-swift", branch: "main")
]

Puis ajoutez les modules dont vous avez besoin à votre cible :

.target(
    name: "MyApp",
    dependencies: [
        .product(name: "Qwen3ASR", package: "speech-swift"),
        .product(name: "Qwen3TTS", package: "speech-swift"),
        .product(name: "SpeechVAD", package: "speech-swift"),
        // ... ajoutez tous les modules dont vous avez besoin
    ]
)

Modules disponibles

Transcrire de l’audio avec Swift

import Qwen3ASR

let model = try await Qwen3ASRModel.fromPretrained()
// audioSamples: [Float] PCM at 16 kHz (e.g. decoded from a WAV)
let text = model.transcribe(audio: audioSamples, sampleRate: 16000)
print(text)

Générer de la parole avec Swift

import Qwen3TTS
import AudioCommon

let model = try await Qwen3TTSModel.fromPretrained()
let audio = model.synthesize(text: "Hello, world!", language: "english")
try WAVWriter.write(samples: audio, sampleRate: 24000, to: URL(filePath: "hello.wav"))

Compilation depuis les sources

Pour compiler depuis les sources, installez Xcode 16.3+ avec Metal Toolchain et Swift 6+. Clonez le dépôt, compilez la CLI, puis vérifiez l’exécutable dans le répertoire de travail :

git clone https://github.com/soniqo/speech-swift.git
cd speech-swift
make build
.build/release/speech --help

Les shaders ciblent par défaut macOS 15.0 et Metal 3.2, même avec un SDK plus récent. Pour une compilation personnalisée, MACOSX_DEPLOYMENT_TARGET et MLX_METAL_LANGUAGE_VERSION remplacent ces valeurs ; des cibles plus récentes peuvent exclure les anciens systèmes. Les changements du compilateur, du SDK, des options, du script ou des sources invalident le cache. Un échec de compilation ou de liaison préserve la bibliothèque précédente et l’empreinte du cache.

Téléchargements des modèles

Les modèles sont téléchargés automatiquement depuis HuggingFace à la première utilisation et mis en cache dans ~/Library/Caches/qwen3-speech/.

Tous les modèles sont téléchargés depuis HuggingFace à la première utilisation. Tailles approximatives :

Prochaines étapes

• Continuer avec le guide M4A vers texte
• Référence CLI — toutes les commandes et options disponibles
• Guide Qwen3-ASR — documentation détaillée de la parole vers texte
• Guide Qwen3-TTS — documentation détaillée de la synthèse vocale
• API et protocoles — protocoles et types partagés