A Hugging Face publicou a 29 de outubro de 2026, no seu blogue, o anúncio de dois pacotes para Swift, AnySpeechRecognizer e AnyDecisionModel, pensados para plataformas Apple. O texto dá continuidade ao trabalho sobre AnyLanguageModel 1.0 e aplica a mesma ideia a outras tarefas: APIs familiares em Swift com a possibilidade de escolher o modelo. O argumento de partida é que os modelos de linguagem fazem muitas coisas, mas nem sempre são a ferramenta mais adequada. Para perceber o que um cliente disse ao telefone, ou para decidir para onde o encaminhar, existem modelos especializados que, segundo os autores, são mais rápidos e menos caros.
O AnySpeechRecognizer replica a API SpeechAnalyzer da Apple, introduzida no macOS 26 e no iOS 26, e inclui equivalentes dos módulos SpeechTranscriber, SpeechDetector e AssetInventory. Segundo a publicação, uma aplicação que já use essa API pode passar a usar o pacote alterando apenas o import. Para usar outro motor, basta mudar a forma como o transcritor é criado. Os motores indicados são o Parakeet, da NVIDIA, e o Qwen3-ASR, da Alibaba, executados localmente. O Parakeet v3 reconhece 25 línguas europeias e deteta a língua automaticamente. O Qwen3-ASR cobre 30 línguas e 22 dialetos chineses, mas devolve um resultado final por segmento de até 40 segundos, sem resultados voláteis nem marcação temporal por palavra, pelo que o texto o recomenda sobretudo para ficheiros.
Os modelos foram convertidos para Core ML e publicados no Hub da Hugging Face. Entre eles estão o Parakeet TDT 0.6B v3, o Parakeet Ultra, o Parakeet Unified EN, as variantes 0.6B e 1.7B do Qwen3-ASR e dois modelos Sortformer para diarização de falantes, que identificam quem fala e em que momento. Cada repositório indica o checkpoint original e a licença. As licenças não são uniformes: CC BY 4.0 no Parakeet TDT v3, no Parakeet Ultra e no Sortformer 4spk v2, NVIDIA Open Model License no Parakeet Unified EN e no Sortformer 4spk v2.1, e Apache 2.0 nos modelos Qwen3-ASR. Esta diversidade é relevante para quem pretenda integrar estes modelos num produto comercial, e convém verificar cada licença antes da utilização.
O AnyDecisionModel responde a perguntas de sim ou não, de escolha múltipla e de escala de avaliação, devolvendo resultados tipados acompanhados de probabilidades. Ao contrário de um modelo de linguagem, não gera texto: deriva a resposta a partir das probabilidades do próprio modelo. Pode usar um modelo a correr no dispositivo com MLX, Core AI ou llama.cpp, ou um modelo de decisão disponibilizado pela Jev ou pelo Ollama. O texto menciona ainda cabeças de decisão e a calibração e verificação das probabilidades, bem como uma demonstração chamada Emoji Magnet, mas não apresenta, no material disponível, resultados quantitativos independentes sobre a sua precisão.
No que respeita ao desempenho, a publicação afirma que o Parakeet Ultra foi mais preciso na maioria das medições feitas pela equipa. Trata-se de uma alegação dos autores, não de um resultado verificado por terceiros, e os dados completos das medições não constam do excerto analisado. Também não é possível confirmar, a partir deste material, como estes pacotes se comparam com o reconhecimento nativo da Apple em condições reais, nem quais são os requisitos de hardware e de memória. Ambos os pacotes permitem descarregar modelos do Hub e executá-los no dispositivo, mas a avaliação prática depende de testes próprios.
Porque importa
O anúncio mostra a tendência de usar modelos especializados em vez de um modelo de linguagem genérico para tarefas como transcrição e decisão, o que pode reduzir custos e latência em aplicações. Para programadores de iOS e macOS, a possibilidade de manter a API da Apple e trocar apenas o motor facilita experiências e testes. Ainda assim, as licenças variadas dos modelos e a ausência de comparações independentes exigem cautela antes de adoção em produção.