Hugging Face lança pacotes abertos de voz e decisão para apps da Apple

A Hugging Face, plataforma conhecida por hospedar modelos de IA abertos, apresentou em 29 de outubro dois pacotes para quem desenvolve apps para Mac e iPhone: o AnySpeechRecognizer, de reconhecimento de fala, e o AnyDecisionModel, que usa modelos de linguagem para tomar decisões simples. O texto de lançamento é assinado por Mattt, da Hugging Face.

O AnySpeechRecognizer segue o mesmo formato da SpeechAnalyzer, a interface de transcrição da Apple no macOS 26 e no iOS 26, mas deixa o desenvolvedor escolher o motor que faz o trabalho. Segundo o post, quem já usa essa interface pode trocar o motor mudando apenas a linha de importação no código. Além do reconhecedor da própria Apple, estão disponíveis o Parakeet v3, da NVIDIA, com 25 idiomas europeus e detecção automática de língua; o Parakeet Ultra, versão ajustada pela Moondream; o Parakeet Unified, só em inglês; e o Qwen3-ASR, da Alibaba, com 30 idiomas.

O pacote também identifica quem está falando, recurso conhecido como diarização. Com o modelo Streaming Sortformer, da NVIDIA, ele acompanha até quatro vozes, inclusive quando elas falam ao mesmo tempo.

Nos testes dos autores, feitos em um Mac Studio com chip M4 Max, os motores Parakeet erraram menos palavras que o reconhecedor da Apple ao transcrever arquivos de áudio. O Parakeet levou de 20 a 40 segundos para transcrever uma hora de gravação. Em reuniões com falas sobrepostas, porém, todos os motores testados tiveram taxa de erro acima de 23%.

Os modelos só são baixados quando o app pede, e o tamanho pesa: cerca de 600 MB por modelo Parakeet e até 2,4 GB no caso do Qwen3-ASR. As licenças variam por modelo, entre CC BY 4.0, Apache 2.0 e a licença aberta da NVIDIA. Até agora, só o macOS 27 foi testado; o iPhone ainda não.

O segundo pacote, AnyDecisionModel, resolve outro problema: responder perguntas de sim ou não, de múltipla escolha e de notas em escala. Em vez de pedir que o modelo escreva uma resposta em texto, ele lê as probabilidades que o modelo atribui a cada opção e devolve um resultado estruturado, com um índice de confiança. Os autores alertam que essa confiança mede a certeza do modelo, e não se a resposta está correta.

Ele funciona com seis back-ends, os motores que de fato rodam o modelo, entre eles o MLX, voltado aos chips da Apple, o Core AI no macOS 27 e no iOS 27, o llama.cpp e o Ollama.

Para o desenvolvedor brasileiro, o ponto de atenção é o idioma: a postagem não traz a lista de línguas de cada motor, então é preciso conferir o suporte ao português antes de adotar. Os dois pacotes estão no GitHub e são instalados pelo Swift Package Manager. Os autores planejam adicionar mais motores e ampliar o suporte ao Core AI.