Apple añadió una nueva API de voz a texto, SpeechAnalyzer, en macOS 26 e iOS 26, pero las apps que la usan quedan atadas al motor de reconocimiento de la propia Apple. Hugging Face ha publicado dos paquetes Swift de código abierto que aflojan ese lazo. AnySpeechRecognizer copia los nombres de la API de Apple para que una app existente pueda cambiar de motor modificando un import y una línea de configuración, y AnyDecisionModel ofrece a los desarrolladores una forma tipada de hacer a un modelo preguntas de sí o no, de opción múltiple y de valoración. Ambos descargan modelos abiertos desde el Hugging Face Hub y los ejecutan en el dispositivo.
El paquete de voz admite tres versiones de Parakeet de NVIDIA, entre ellas Parakeet TDT 0.6B v3, que reconoce 25 idiomas europeos, y Qwen3-ASR de Alibaba en tamaños 0.6B y 1.7B, que cubre 30 idiomas y 22 dialectos chinos. Hugging Face convirtió los modelos a Core ML y fija cada uno a una revisión concreta. Además añade algo que Apple no tiene: diarización de hablantes, con Streaming Sortformer de NVIDIA para etiquetar hasta cuatro voces, incluso cuando hablan a la vez. En un Mac Studio con M4 Max, Hugging Face midió un 1,43% de error por palabra en el audio limpio de LibriSpeech con Parakeet Unified, frente al 2,12% del motor de Apple, y afirma que Parakeet transcribe una hora de audio desde archivo en unos 20 a 40 segundos con unos 100 MB de memoria. Cada descarga de Parakeet ocupa unos 600 MB.
AnyDecisionModel aborda de otro modo una tarea habitual: decidir si un mensaje es urgente o a qué equipo debe ir una incidencia. En lugar de analizar el texto que escribe un modelo de lenguaje, lee la probabilidad que el modelo asigna a cada respuesta permitida, así que la app recibe una cifra de confianza con cada decisión. Puede ejecutar modelos pequeños en local mediante MLX, Core AI o llama.cpp, usar Clef de Cloudflare, un modelo entrenado específicamente para decidir, o llamar a servicios alojados como Jev y Ollama. El paquete incluye opciones de calibración, porque las probabilidades brutas de los modelos tienden a pecar de exceso de confianza.
Para los desarrolladores de Apple, esto abarata probar los modelos de voz que analizamos, Parakeet TDT 0.6B v3 y Qwen3-ASR, sin comprometerse con una API nueva, y llevar el trabajo de clasificación de un modelo de chat en la nube al propio dispositivo. Los paquetes no tienen dependencias de terceros salvo que se activen los backends locales.
Los límites están claros en el propio texto de Hugging Face. Todas las mediciones proceden de un solo Mac y de unos pocos conjuntos de datos, y los paquetes solo se han probado en macOS 27, no en un iPhone. En las grabaciones de reuniones de AMI todos los motores superaron el 23% de error por palabra, así que las conversaciones reales con voces solapadas siguen siendo difíciles con cualquier motor. Qwen3-ASR es mucho más lento que Parakeet y necesita unos cuantos gigabytes de memoria, y el backend de decisiones Core AI todavía no se puede combinar con el paquete de voz por un conflicto de dependencias.