argmax-oss-swift

Mac 上离线跑语音 AI，不联网也能识别和配音

专为 Apple Silicon 打造的端侧语音 AI 框架，支持在设备本地运行语音识别与合成等模型，无需联网与云端依赖。基于 Swift 开发，性能高效、隐私友好，是 iOS 与 macOS 语音应用开发的有力工具。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 6377

维护状态活跃

是否开源是

定价模式 free

项目数据

分类音频音乐

开发团队argmaxinc

所属国家

官网地址

GitHubhttps://github.com/argmaxinc/argmax-oss-swift

定价模式free

价格说明开源项目，MIT许可证，本地部署，完全免费。

访问状态

是否开源是

开源协议MIT

主要语言Swift

技术栈/模型inference,ios,macos,pyannote,qwen3-tts,speaker-diarization,speakerkit,speech-recognition,speech-to-text,swift,text-to-speech,transformers,ttskit,whisper,whisperkit

GitHub 星标★ 6377

30天Star增速

HF 下载量

上线时间2024-01-26 00:00:00

最近更新2026-09-22 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数5

使用教程

难度：进阶约 15 分钟部署方式：库/依赖 6 步

⚠ 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

项目介绍

argmax-oss-swift 是语音识别领域的开源项目，由 argmaxinc 开发，2024 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（6,377）位列前 8%，在语音识别分类的 212 个项目里位列前 11%。

近 41 天，它的 GitHub 星标从 6,319 增加到 6,377，净增 58。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-22。MIT许可证，本地部署，完全免费。

它主要面向的使用场景是：在iOS/macOS应用中实现离线语音转写和命令控制。同类可对比的替代方案包括 whisper.cpp、Vosk、speech_recognition。

上一篇：espnet

下一篇：sherpa-onnx