A Apple adicionou uma nova API de fala para texto, a SpeechAnalyzer, no macOS 26 e no iOS 26, mas os apps que a usam ficam presos ao motor de reconhecimento da própria Apple. A Hugging Face lançou dois pacotes Swift de código aberto que afrouxam essa amarra. O AnySpeechRecognizer copia os nomes da API da Apple, de modo que um app existente pode trocar de motor mudando um import e uma linha de configuração, e o AnyDecisionModel dá aos desenvolvedores uma forma tipada de fazer a um modelo perguntas de sim ou não, de múltipla escolha e de nota. Os dois baixam modelos abertos do Hugging Face Hub e os rodam no próprio aparelho.
O pacote de fala suporta três versões do Parakeet da NVIDIA, entre elas o Parakeet TDT 0.6B v3, que reconhece 25 idiomas europeus, e o Qwen3-ASR da Alibaba nos tamanhos 0.6B e 1.7B, que cobre 30 idiomas e 22 dialetos chineses. A Hugging Face converteu os modelos para Core ML e fixa cada um numa revisão específica. Também acrescenta algo que a Apple não tem: diarização de falantes, com o Streaming Sortformer da NVIDIA identificando até quatro vozes, mesmo quando falam ao mesmo tempo. Num Mac Studio com M4 Max, a Hugging Face mediu 1,43% de erro por palavra no áudio limpo do LibriSpeech com o Parakeet Unified, contra 2,12% do motor da Apple, e diz que o Parakeet transcreve uma hora de áudio a partir de arquivo em cerca de 20 a 40 segundos usando uns 100 MB de memória. Cada download do Parakeet tem cerca de 600 MB.
O AnyDecisionModel encara de outro jeito uma tarefa comum: decidir se uma mensagem é urgente ou para qual equipe um chamado deve ir. Em vez de interpretar o texto que um modelo de linguagem escreve, ele lê a probabilidade que o modelo atribui a cada resposta permitida, e assim o app recebe um índice de confiança com cada decisão. Ele pode rodar modelos pequenos localmente via MLX, Core AI ou llama.cpp, usar o Clef da Cloudflare, um modelo treinado especificamente para decidir, ou chamar serviços hospedados como Jev e Ollama. O pacote inclui opções de calibração, porque as probabilidades brutas dos modelos costumam ser confiantes demais.
Para desenvolvedores Apple, isso barateia testar os modelos de fala que analisamos, Parakeet TDT 0.6B v3 e Qwen3-ASR, sem se prender a uma API nova, e levar trabalho de classificação de um modelo de chat na nuvem para o aparelho. Os pacotes não têm dependências de terceiros, a menos que os backends locais sejam ativados.
Os limites estão claros no próprio texto da Hugging Face. Todas as medições vêm de um único Mac e de poucos conjuntos de dados, e os pacotes só foram testados no macOS 27, não num iPhone. Nas gravações de reuniões do AMI, todos os motores passaram de 23% de erro por palavra, então conversas reais com vozes sobrepostas continuam difíceis seja qual for o motor. O Qwen3-ASR é bem mais lento que o Parakeet e precisa de alguns gigabytes de memória, e o backend de decisões Core AI ainda não pode ser combinado com o pacote de fala por causa de um conflito de dependências.