Primeiros passos

Instale a CLI speech para transcrever e gerar áudio no seu Mac com Apple Silicon. Use o SDK Swift para adicionar processamento de fala aos seus aplicativos macOS e iOS.

Requisitos da CLI

• macOS 15+ (Sequoia ou posterior)
• Apple Silicon (arm64)
• 8 GB de RAM no mínimo (16 GB recomendados para modelos maiores)

Instalar a CLI

Homebrew (CLI)

Use o Homebrew nativo para ARM (/opt/homebrew) para instalar speech e o servidor HTTP/WebSocket speech-server.

brew install speech
speech --help

Primeira tarefa: transcrever um arquivo M4A

Baixe a gravação de exemplo e transcreva-a no terminal:

Conecte-se à internet na primeira execução. O modelo escolhido é baixado do HuggingFace e fica no cache do seu Mac. Após a configuração, você pode usá-lo para transcrever gravações locais offline.

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

Continuar com o guia de M4A para texto.

Início rápido: texto para fala

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

Executar uma API de fala local

Inicie o servidor HTTP/WebSocket para atender às solicitações locais da API:

speech-server --port 8080

SDK Swift

Adicione os módulos Swift ao seu aplicativo para macOS 15+ ou iOS 18+ com o Swift Package Manager.

Swift Package Manager

Adicione o speech-swift às dependências do seu Package.swift:

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

Depois adicione os módulos que você precisa ao seu target:

.target(
    name: "MyApp",
    dependencies: [
        .product(name: "Qwen3ASR", package: "speech-swift"),
        .product(name: "Qwen3TTS", package: "speech-swift"),
        .product(name: "SpeechVAD", package: "speech-swift"),
        // ... adicione quaisquer módulos que você precise
    ]
)

Módulos disponíveis

Transcrever áudio com 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)

Gerar fala com 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"))

Compilar a partir do código-fonte

Para compilar a partir do código-fonte, instale o Xcode 16.3+ com o Metal Toolchain e o Swift 6+. Clone o repositório, compile a CLI e confira o executável no diretório de trabalho:

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

Os shaders são compilados para macOS 15.0 e Metal 3.2 por padrão, mesmo com SDKs mais recentes. Em compilações personalizadas, MACOSX_DEPLOYMENT_TARGET e MLX_METAL_LANGUAGE_VERSION alteram esses valores; destinos superiores podem excluir sistemas antigos. Alterações no compilador, SDK, opções, script ou fontes invalidam o cache. Falhas de compilação ou vinculação preservam a biblioteca anterior e o hash do cache.

Downloads de modelos

Os modelos são baixados automaticamente do HuggingFace no primeiro uso e armazenados em cache em ~/Library/Caches/qwen3-speech/.

Todos os modelos são baixados do HuggingFace no primeiro uso. Tamanhos aproximados:

Próximos passos

• Continuar com o guia de M4A para texto
• Referência da CLI — todos os comandos e opções disponíveis
• Guia do Qwen3-ASR — documentação detalhada de fala para texto
• Guia do Qwen3-TTS — documentação detalhada de texto para fala
• API e protocolos — protocolos e tipos compartilhados