AuralKit
几行 Swift 代码，让 App 实时把语音变成文字
AuralKit 是一个面向 Apple 平台的 Swift Package，封装 iOS 26 与 macOS 26 新引入的 SpeechAnalyzer 和 SpeechTranscriber 框架，帮助开发者在应用中快速接入实时语音转文字能力。它解决的核心问题是：原生 Speech 框架 API 较新、调用链路分散，开发者需要自行处理音频流采集、识别会话生命周期、结果回调与错误恢复等样板代码。AuralKit 将这些封装成简洁的 Swift 接口，支持麦克风实时转写，也支持对音频文件做离线识别，并输出带时间戳的文本结果。项目以 Swift Package 形式分发，可直接通过 SPM 集成到 iOS/macOS 工程，适合需要字幕、语音笔记、会议记录等功能的原生应用。由于依赖系统新框架，它天然要求较新的系统版本和 Xcode 环境，属于紧跟 Apple 生态的早期工具库。
项目数据
使用教程
核心亮点
- 直接封装 Apple 官方 SpeechAnalyzer/SpeechTranscriber，无需第三方模型或联网服务，隐私与延迟更可控
- 以 Swift Package 分发，SPM 集成简单，接口面向 Swift 并发设计，贴合现代 Apple 开发习惯
- 同时覆盖实时麦克风转写与音频文件识别，并保留时间戳信息，便于做字幕和分段处理
不足之处
- 强依赖 iOS 26 / macOS 26 新框架，旧系统设备无法使用，实际可覆盖用户群受限
- 项目处于早期，星标与社区规模小，文档和示例丰富度、长期维护稳定性有待观察
适用场景
- 语音笔记 App：边说边生成文字草稿，结束后直接编辑整理
- 会议或访谈记录工具：实时转写并保留时间戳，方便回听定位
- 视频字幕生成：对已有音频文件做离线识别，导出带时间轴的文本
替代项目
whisper.cpp、whisperkit
项目介绍
上一篇：voicekey
下一篇：whisper-clip
同类项目推荐
obs-localvocal
开源
直播录屏时，本地AI实时生成字幕，保护隐私零延迟
OBS plugin for local speech recognition and captioning using AI
LiveCaptions-Translator
开源
实时捕获系统音频，一键翻译成你懂的语言
Lightweight and powerful real-time audio/speech translation tool based on Windows Li···
speechbrain
开源
一站式 PyTorch 语音工具箱，快速搞定识别、说话人验证等任务
A PyTorch-based Speech Toolkit
whisper-diarization
开源
给语音转写加上说话人标签，会议记录一目了然
Automatic Speech Recognition with Speaker Diarization based on OpenAI Whisper