시작하기

Soniqo Cloud

호스팅 API를 원하시나요? 동일한 전사·합성·클로닝을 관리형 서비스로 제공합니다 — OpenAI·ElevenLabs 호환. soniqo.audio/cloud →

Apple Android Linux Windows

speech CLI를 설치하면 Apple Silicon Mac에서 오디오를 전사하고 생성할 수 있습니다. Swift SDK로 macOS 및 iOS 앱에 음성 처리 기능을 추가할 수 있습니다.

CLI 요구사항

CLI 설치

Homebrew (CLI)

네이티브 ARM용 Homebrew(/opt/homebrew)로 speech와 HTTP/WebSocket 서버인 speech-server를 설치합니다.

brew install speech
speech --help

첫 작업: M4A 파일 전사

샘플 녹음을 다운로드한 뒤 터미널에서 전사합니다:

처음 실행할 때는 인터넷에 연결하세요. 선택한 모델을 HuggingFace에서 다운로드하여 Mac에 캐시합니다. 설정을 마치면 해당 모델로 로컬 녹음을 오프라인에서 전사할 수 있습니다.

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

M4A를 텍스트로 변환하는 가이드 보기.

빠른 시작: 텍스트-음성 변환

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

로컬 음성 API 실행

로컬 API 요청을 처리할 HTTP/WebSocket 서버를 시작합니다:

speech-server --port 8080

Swift SDK

Swift Package Manager로 macOS 15+ 또는 iOS 18+ 앱에 Swift 모듈을 추가합니다.

Swift Package Manager

Package.swift의 의존성에 speech-swift를 추가합니다:

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

그런 다음 필요한 모듈을 타겟에 추가하세요:

.target(
    name: "MyApp",
    dependencies: [
        .product(name: "Qwen3ASR", package: "speech-swift"),
        .product(name: "Qwen3TTS", package: "speech-swift"),
        .product(name: "SpeechVAD", package: "speech-swift"),
        // ... 필요한 모듈을 추가하세요
    ]
)

사용 가능한 모듈

모듈설명
Qwen3ASR음성-텍스트 변환 (Qwen3-ASR)
WhisperASR음성-텍스트 변환 (Whisper Large-v3 Turbo, CoreML)
ParakeetASR음성-텍스트 변환 (Parakeet TDT, CoreML)
Qwen3TTS텍스트-음성 변환 (Qwen3-TTS)
CosyVoiceTTS텍스트-음성 변환 (CosyVoice3, 다언어)
KokoroTTS텍스트-음성 변환 (Kokoro-82M, CoreML, iOS 지원)
Qwen3Chat온디바이스 LLM 채팅 (Qwen3.5-0.8B, MLX + CoreML)
PersonaPlex음성-음성 변환 (PersonaPlex 7B)
SpeechVADVAD (Silero + Pyannote), 화자 분리, 화자 임베딩
SpeechEnhancement노이즈 억제 (DeepFilterNet3, CoreML)
AudioCommon공유 프로토콜, 오디오 I/O, HuggingFace 다운로더

Swift로 오디오 전사

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)

Swift로 음성 생성

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"))

소스에서 빌드

소스에서 빌드하려면 Metal Toolchain을 포함한 Xcode 16.3+와 Swift 6+를 설치하세요. 저장소를 복제하고 CLI를 빌드한 뒤 체크아웃 디렉터리의 실행 파일을 확인합니다:

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

make build는 MLX Metal 셰이더 라이브러리를 자동으로 컴파일합니다. 이것이 없으면 JIT 셰이더 컴파일 때문에 GPU 추론이 약 5배 느려집니다.

최신 SDK에서도 셰이더 빌드는 기본적으로 macOS 15.0과 Metal 3.2를 대상으로 합니다. 사용자 지정 빌드에서는 MACOSX_DEPLOYMENT_TARGET과 MLX_METAL_LANGUAGE_VERSION으로 변경할 수 있습니다. 대상 버전을 높이면 이전 시스템에서 실행되지 않을 수 있습니다. 컴파일러, SDK, 플래그, 스크립트 또는 소스가 변경되면 캐시가 무효화됩니다. 컴파일 또는 링크 실패 시 이전 라이브러리와 캐시 해시가 유지됩니다.

모델 다운로드

모델은 첫 사용 시 HuggingFace에서 자동 다운로드되며 ~/Library/Caches/qwen3-speech/에 캐시됩니다.

모든 모델은 첫 사용 시 HuggingFace에서 다운로드됩니다. 대략적인 크기:

모델크기RAM 사용량
Qwen3-ASR 0.6B (4-bit MLX)680 MB~1.0 GB peak
Qwen3-ASR 0.6B (8-bit MLX)1.0 GB~1.3 GB peak
Qwen3-ASR 0.6B (CoreML INT8)180 MB~1.4 GB peak
Qwen3-ASR 1.7B (4-bit MLX)2.1 GB~3 GB peak
Qwen3-ASR 1.7B (8-bit MLX)3.2 GB~2.7 GB peak
Parakeet-TDT v3 (CoreML INT8)500 MB~900 MB peak
Whisper Large-v3 Turbo (CoreML FP16)1.6 GB~384 MB peak
Omnilingual CTC 300M (4-bit MLX)193 MB~400 MB peak
Omnilingual CTC 300M (CoreML INT8)312 MB~550 MB peak
Qwen3-TTS 0.6B (4비트)1.7 GB피크 약 2 GB
Qwen3-TTS 1.7B (4비트)3.2 GB피크 약 4 GB
CosyVoice3 (4비트 LLM)1.2 GB피크 약 1.5 GB
Kokoro-82M (CoreML INT8)89 MB피크 약 200 MB
Qwen3.5-Chat 0.8B (INT4 MLX)418 MB피크 약 700 MB
Qwen3.5-Chat 0.8B (INT8 CoreML)981 MB피크 약 1.2 GB
PersonaPlex 7B (8비트) 권장9.1 GB피크 약 11 GB
PersonaPlex 7B (4비트)4.9 GB피크 약 6.5 GB
Pyannote VAD5.7 MB피크 약 20 MB
Silero VAD v51.2 MB피크 약 5 MB
WeSpeaker ResNet3425 MB피크 약 50 MB
DeepFilterNet3 (FP16)4.2 MB피크 약 10 MB

다음 단계