
argmax-oss-swift
Mac 上离线跑语音 AI,不联网也能识别和配音
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 6446
使用教程
⚠ 本教程由 AI 依据该项目 README 整理;原始文档不完整,部分步骤为通用流程推断,实际安装请以项目官方文档为准。
⚠ 该项目 README 未提供完整安装说明,以下步骤为通用流程,请以官方文档为准。
环境要求
- macOS 开发环境与 Xcode(含 Swift 工具链)
- Apple Silicon 设备(框架面向 Apple 平台端侧推理)
- 首次拉取模型需要网络,之后可离线运行
- 熟悉 Swift Package Manager 依赖管理
安装与启动步骤
-
1克隆项目仓库
把仓库拉到本地作为参考,README 未提供 pip/cocoapods 类安装命令,Swift 项目一般通过依赖管理器接入。
git clone https://github.com/argmaxinc/argmax-oss-swift.git -
2Xcode 中集成
README 的 Installation 小节列出 Xcode Steps,可在 Xcode 中用 Add Package Dependencies 方式加入该仓库,具体界面步骤请对照仓库文档。
-
3声明包依赖
README 单独列出 Package.swift 小节,说明可在 Swift 包的 Package.swift 中声明依赖;具体版本号与写法请以仓库文件为准。
-
4Homebrew 方式
README 的 Installation 下另有 Homebrew 小节,说明除 SPM 外还提供 Homebrew 安装途径,公式名请查阅仓库文档。
-
5选择所需模块
SDK 内含 WhisperKit(语音转文字)、SpeakerKit(Pyannote 说话人分离)、TTSKit(Qwen-TTS 语音合成),按需求引入对应框架。
-
6运行快速示例
README 为 WhisperKit 提供 Quick Example 小节,先跑通最小示例确认模型可加载,再接入自己的工程。
如何确认成功
工程能编译通过并跑通 WhisperKit 快速示例,控制台输出转写文本或合成音频即表示接入成功。
常见问题
Q:开源版和 Argmax Pro SDK 有什么区别?
A:Pro 版支持带说话人的实时转写、自定义词汇、Argmax Local Server 以及 Android(Kotlin)支持;开源版仅提供 Swift 端侧基础推理能力。
Q:支持 Android 或非 Apple 平台吗?
A:不支持。开源 SDK 基于 Swift,面向 iOS 与 macOS;README 说明 Android 支持在 Argmax Pro SDK Kotlin 中提供。
Q:SDK 是否必须联网?
A:推理在设备本地完成,不依赖云端;但首次加载模型需要下载权重,之后可离线使用。
Q:具体该写什么安装命令和版本号?
A:本次 README 节选只保留了 Installation 标题与子章节名,未包含实际命令与版本,请以仓库最新 README 与 Package.swift 为准。
注意事项
- README 节选未给出具体命令、版本号与端口,步骤中的接入方式需以仓库最新文档核对。
- 项目是 Swift 库/框架,不是独立可执行服务,不存在 Docker 或服务端口部署。
- 需使用 Apple 生态设备与 Xcode 开发环境,非 Apple 平台无法直接使用。
- Pro 版额外提供实时带说话人转写、自定义词汇与 Argmax Local Server 等功能。
核心亮点
- 专为Apple Silicon优化,充分利用神经引擎,实现低延迟、高能效的端侧语音AI
- 集成语音识别、说话人分离和TTS,提供完整的端侧语音处理链路
- 基于Swift构建,与iOS/macOS生态无缝集成,开发者体验友好
不足之处
- 仅支持Apple Silicon,限制在非苹果硬件或旧款Mac上使用
- 依赖pyannote等模型,模型体积和首次加载时间可能较大
- 文档/社区待观察
适用场景
- 在iOS/macOS应用中实现离线语音转写和命令控制
- 构建隐私敏感的语音助手,数据不出设备
- 多媒体内容自动生成字幕或说话人标记
替代项目
whisper.cpp、Vosk、speech_recognition
上一篇:espnet
下一篇:sherpa-onnx
同类项目推荐
whisper-plus
开源
让 Whisper 转写更快更省显存,长音频批量处理更顺手
WhisperPlus: Faster, Smarter, and More Capable
Handy
开源
完全离线、免费开源的语音转文字工具,保护隐私,即开即用。
A free, open source, and extensible speech-to-text application that works completely···
wenet
开源
开箱即用的生产级语音识别,从训练到部署一步到位
Production First and Production Ready End-to-End Speech Recognition Toolkit
Voconly
开源
开口说话,本地离线转成干净文字
本地优先 AI 语音输入工具 | Local-first AI voice typing tool. 支持 Whisper/SenseVoice···
NeMo-text-processing
开源
把口语文本和书面文本互转,ASR/TTS 预处理少写正则
NeMo text processing for ASR and TTS
jev-voice
开源
说句话就能操控 Mac,本地识别不上传
Talk to your Mac. Local whisper.cpp + one Jev (TypeSafe) call per command + macOS au···
X2-Turn
开源
一边转写一边判断该不该接话,降低对话延迟
Frame-Synchronous Dual-Head Modeling for Joint Streaming ASR and Turn State Predicti···
WhisperHallu
开源
预处理音频,让 Whisper 转录不再胡说八道
Experimental code: sound file preprocessing to optimize Whisper transcriptions witho···
mlx-qwen3-asr
开源
Mac 本地跑 Qwen3 语音识别,音频不出设备
Qwen3-ASR speech recognition on Apple Silicon via MLX