Apple a ajouté une nouvelle API de transcription vocale, SpeechAnalyzer, dans macOS 26 et iOS 26, mais les apps qui l'utilisent sont liées au moteur de reconnaissance d'Apple. Hugging Face a publié deux paquets Swift open source qui desserrent ce lien. AnySpeechRecognizer reprend les noms de l'API d'Apple, si bien qu'une app existante peut changer de moteur en modifiant un import et une ligne de configuration, et AnyDecisionModel offre aux développeurs un moyen typé de poser à un modèle des questions fermées, à choix multiples ou de notation. Les deux téléchargent des modèles ouverts depuis le Hugging Face Hub et les exécutent sur l'appareil.
Le paquet vocal prend en charge trois versions de Parakeet de NVIDIA, dont Parakeet TDT 0.6B v3, qui reconnaît 25 langues européennes, ainsi que Qwen3-ASR d'Alibaba en tailles 0.6B et 1.7B, qui couvre 30 langues et 22 dialectes chinois. Hugging Face a converti les modèles en Core ML et fige chacun sur une révision précise. Il ajoute aussi ce qui manque chez Apple : la diarisation, avec Streaming Sortformer de NVIDIA pour identifier jusqu'à quatre locuteurs, même quand ils parlent en même temps. Sur un Mac Studio M4 Max, Hugging Face a mesuré un taux d'erreur par mot de 1,43% sur l'audio propre de LibriSpeech pour Parakeet Unified, contre 2,12% pour le moteur d'Apple, et indique que Parakeet transcrit une heure d'audio depuis un fichier en 20 à 40 secondes environ avec quelque 100 Mo de mémoire. Chaque téléchargement de Parakeet pèse environ 600 Mo.
AnyDecisionModel aborde autrement une tâche courante : décider si un message est urgent ou quelle équipe doit recevoir un ticket. Au lieu d'analyser le texte écrit par un modèle de langage, il lit la probabilité que le modèle attribue à chaque réponse autorisée, de sorte que l'app obtient un indice de confiance avec chaque décision. Il peut faire tourner de petits modèles en local via MLX, Core AI ou llama.cpp, utiliser Clef de Cloudflare, un modèle entraîné spécialement pour décider, ou appeler des services hébergés comme Jev et Ollama. Le paquet inclut des options de calibrage, car les probabilités brutes des modèles ont tendance à être trop assurées.
Pour les développeurs Apple, cela réduit le coût d'essayer les modèles vocaux que nous analysons, Parakeet TDT 0.6B v3 et Qwen3-ASR, sans s'engager sur une nouvelle API, et de déplacer du travail de classification d'un modèle conversationnel dans le cloud vers l'appareil. Les paquets n'ont aucune dépendance tierce tant que les backends locaux ne sont pas activés.
Les limites sont claires dans le texte même de Hugging Face. Toutes les mesures viennent d'un seul Mac et de quelques jeux de données, et les paquets n'ont été testés que sous macOS 27, pas sur iPhone. Sur les enregistrements de réunions AMI, tous les moteurs dépassaient 23% d'erreur par mot : les conversations réelles où les voix se chevauchent restent difficiles, quel que soit le moteur. Qwen3-ASR est bien plus lent que Parakeet et demande quelques gigaoctets de mémoire, et le backend de décision Core AI ne peut pas encore être combiné avec le paquet vocal à cause d'un conflit de dépendances.