HASKORA
Ask AI

Modèles3 min de lecture

2 modules ouverts pour transcrire la parole et décider sur appareils Apple

L’essentiel

  • AnySpeechRecognizer permet de choisir entre plusieurs moteurs de transcription compatibles avec une interface Swift proche de celle d’Apple.
  • Le module ajoute la diarisation, qui relie les mots transcrits à 4 interlocuteurs au maximum, y compris lorsqu’ils parlent en même temps.
  • AnyDecisionModel renvoie des choix structurés et leurs probabilités au lieu de demander à un modèle de générer une réponse textuelle.

Ce qui a été découvert

La source présente 2 modules Swift destinés aux plateformes Apple : AnySpeechRecognizer et AnyDecisionModel. Le premier conserve une interface proche de celle du framework Speech d’Apple, tout en permettant de sélectionner plusieurs moteurs de reconnaissance vocale. Il prend notamment en charge des modèles Parakeet et Qwen3-ASR convertis en Core ML et exécutables localement. Certains modèles identifient automatiquement la langue, tandis que d’autres couvrent des langues ou des variétés linguistiques différentes. Le module ajoute aussi la diarisation, c’est-à-dire l’attribution des paroles à plusieurs intervenants sur une même ligne temporelle, jusqu’à 4 personnes. Le second module sert à poser des questions fermées à un modèle : réponse oui ou non, choix entre plusieurs catégories ou évaluation par niveaux. Au lieu de produire seulement du texte, il renvoie une réponse structurée accompagnée de probabilités et, selon le cas, d’un niveau de confiance. Les modèles peuvent fonctionner sur l’appareil avec plusieurs moteurs, ou utiliser des services mentionnés par la source. Les modèles ouverts peuvent être téléchargés depuis le Hub et installés uniquement lorsque l’application le demande.

Pourquoi c’est important

Cette découverte sépare 2 tâches souvent confiées à un modèle de langage généraliste : comprendre la parole, puis classer ou évaluer une situation. La source met ainsi en avant des modèles spécialisés, exécutables localement, avec des sorties plus faciles à exploiter dans une application. La transcription peut inclure les horaires des mots et leur confiance, tandis que la décision expose les probabilités associées aux options. Cette approche rend les résultats plus structurés et permet de choisir un moteur selon les langues, le type d’entrée et l’usage visé.

Ce que ça change concrètement

Une entreprise peut intégrer à une application macOS des fonctions de transcription et de classement sans confier automatiquement les données à un service distant. Elle peut choisir un moteur selon la langue, le direct ou le traitement de fichiers, puis obtenir des décisions structurées avec leurs probabilités. Un étudiant ou un citoyen pourrait ainsi utiliser des outils plus adaptés à ses besoins, à condition que l’application fournisse ces fonctions et que le matériel soit compatible.

Source d’origine

Introducing AnySpeechRecognizer and AnyDecisionModel : Open Models for Speech and Decisions on Apple Platforms, 29 octobre 2026

Fiche rédigée automatiquement par intelligence artificielle à partir de la source citée, puis vérifiée par des contrôles automatiques.

Questions fréquentes

Quelles langues les modèles de transcription reconnaissent-ils ?

Parakeet v3 reconnaît 25 langues européennes. Qwen3-ASR reconnaît 30 langues et 22 dialectes chinois, ainsi que le japonais et le coréen.

Les modèles fonctionnent-ils sans service distant ?

Oui. Les modèles mentionnés peuvent être téléchargés depuis le Hub et fonctionner sur l’appareil avec Core ML ou d’autres moteurs pris en charge.

La transcription en réunion est-elle toujours fiable ?

Non. Sur les enregistrements de réunions où les participants se coupent la parole, chaque moteur testé avait un taux d’erreur supérieur à 23 %.

À lire aussi

Nos services d’automatisation par agents IA