WhisperKit：一个可扩展、模块化的实时语音推理转录Swift软件包

共计 669 个字符，预计需要花费 2 分钟才能阅读完成。

WhisperKit 是一个 Swift 包，它将 OpenAI 的流行 Whisper 语音识别模型与 苹果的 CoreML 框架集成，用于在苹果设备上进行高效、本地的推理转录。

详细：https://takeargmax.com/blog/whisperkit

模型地址：https://huggingface.co/argmaxinc/whisperkit-coreml

GitHub 地址：https://github.com/argmaxinc/WhisperKit

测试地址：https://testflight.apple.com/join/LPVOyJZW

• 轻松部署：仅需 2 行代码，就可以在应用程序中集成 Whisper 语音识别功能。
• 实时语音转录：适用于需要快速响应的应用场景，比如实时字幕生成、会议记录或即时通讯。
• 流式转录应用：支持在 iPhone、Mac 上进行流式语音转录，边录音边转写，无需等待。
• 自定义行为实现：由于其模块化和可扩展的设计，开发者可以根据自己的需求定制和扩展 WhisperKit 的功能，比如添加特定的语言模型或适应特殊的语音识别场景。
• 性能优化：通过专门针对音频编码器的优化，WhisperKit 能够在 iPhone 12 至 iPhone 15 等设备上实现更快的处理速度，减少了预测延迟。WhisperKit 针对 Apple Silicon 进行了特别的性能优化，确保了在苹果设备上能够以最低的延迟实现最高的吞吐量，特别是对于实时应用。
• 开源模型支持：项目提供了多个兼容模型的支持，并且允许开发者通过 API 下载和使用这些模型，使得部署和更新过程更加便捷。