Başlangıç

Apple Silicon Mac’inizde sesi metne dönüştürmek ve konuşma üretmek için speech CLI aracını kurun. macOS ve iOS uygulamalarına konuşma işleme eklemek için Swift SDK’yı kullanın.

CLI gereksinimleri

• macOS 15+ (Sequoia veya üzeri)
• Apple Silicon (arm64)
• En az 8 GB RAM (daha büyük modeller için 16 GB önerilir)

CLI kurulumu

Homebrew (CLI)

speech ve HTTP/WebSocket sunucusu speech-server kurulumu için yerel ARM sürümü Homebrew’u (/opt/homebrew) kullanın.

brew install speech
speech --help

İlk görev: M4A dosyasını metne dönüştürme

Örnek kaydı indirin, ardından terminalde metne dönüştürün:

İlk çalıştırmada internete bağlanın. Seçtiğiniz model HuggingFace’ten indirilir ve Mac’inizde önbelleğe alınır. Kurulumdan sonra aynı modelle yerel kayıtları internet bağlantısı olmadan metne dönüştürebilirsiniz.

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

M4A’dan metne dönüştürme kılavuzuna geçin.

Hızlı Başlangıç: Metinden Konuşmaya

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

Yerel konuşma API’sini çalıştırma

Yerel API istekleri için HTTP/WebSocket sunucusunu başlatın:

speech-server --port 8080

Swift SDK

Swift Package Manager ile macOS 15+ veya iOS 18+ uygulamanıza Swift modüllerini ekleyin.

Swift Package Manager

speech-swift'i Package.swift bağımlılıklarınıza ekleyin:

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

Ardından ihtiyaç duyduğunuz modülleri hedefinize ekleyin:

.target(
    name: "MyApp",
    dependencies: [
        .product(name: "Qwen3ASR", package: "speech-swift"),
        .product(name: "Qwen3TTS", package: "speech-swift"),
        .product(name: "SpeechVAD", package: "speech-swift"),
        // ... add any modules you need
    ]
)

Mevcut Modüller

Swift ile sesi metne dönüştürme

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)

Swift ile konuşma üretme

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"))

Kaynaktan Derleme

Kaynaktan derlemek için Metal Toolchain içeren Xcode 16.3+ ve Swift 6+ kurun. Depoyu klonlayın, CLI aracını derleyin ve çalışma dizinindeki yürütülebilir dosyayı kontrol edin:

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

Gölgelendiriciler, yeni SDK sürümleriyle bile varsayılan olarak macOS 15.0 ve Metal 3.2 için derlenir. Özel derlemelerde MACOSX_DEPLOYMENT_TARGET ve MLX_METAL_LANGUAGE_VERSION bu değerleri değiştirir; yüksek hedef sürümler eski sistemleri dışlayabilir. Derleyici, SDK, bayrak, betik veya kaynak değişiklikleri önbelleği geçersiz kılar. Derleme veya bağlama başarısız olursa önceki kitaplık ve önbellek özeti korunur.

Model İndirmeleri

Modeller ilk kullanımda HuggingFace'ten otomatik olarak indirilir ve ~/Library/Caches/qwen3-speech/ içinde önbelleğe alınır.

Tüm modeller ilk kullanımda HuggingFace'ten indirilir. Yaklaşık boyutlar:

Sonraki Adımlar

• M4A’dan metne dönüştürme kılavuzuna geçin
• CLI Referansı — mevcut tüm komutlar ve seçenekler
• Qwen3-ASR Kılavuzu — ayrıntılı konuşmadan metne belgeleri
• Qwen3-TTS Kılavuzu — ayrıntılı metinden konuşmaya belgeleri
• API ve Protokoller — ortak protokoller ve tipler