Repolode
Enviar
argmaxinc

argmaxinc/argmax-oss-swift

SDK de Swift para ejecutar reconocimiento de voz, síntesis de voz y diarización de hablantes íntegramente en el dispositivo, en Apple silicon.

Alternativa open source a:Otter.ai

Ver en GitHub
Estrellas
6,411
Forks
622
Issues abiertos
143
Último commit
hace 11 días

¿Qué es?

Argmax Open-Source SDK for Swift reúne tres frameworks de voz que se ejecutan en el dispositivo en un solo paquete de Swift: WhisperKit, para reconocimiento de voz con modelos de OpenAI Whisper; TTSKit, para síntesis de voz con modelos Qwen3-TTS; y SpeakerKit, para diarización de hablantes con modelos Pyannote. Todos se ejecutan con Core ML en Apple silicon, por lo que el audio se procesa localmente, sin un servidor en la nube.

WhisperKit puede transcribir archivos de audio locales o el flujo de un micrófono, y descarga variantes de Whisper desde Hugging Face cuando se necesitan. Argmax CLI incluye un servidor local que implementa los endpoints de transcripción y traducción de OpenAI Audio, de modo que los clientes existentes del SDK de OpenAI pueden conectarse a él. SpeakerKit puede combinar las etiquetas de hablante con las transcripciones de WhisperKit y exportar resultados RTTM.

El paquete, en su conjunto, requiere macOS 14 o posterior; TTSKit requiere macOS 15 o iOS 18. Se distribuye con la licencia MIT, y Argmax ofrece por separado un SDK comercial Argmax Pro con modelos adicionales y compatibilidad con Android.

Funciones clave

  • 01Reconocimiento de voz con modelos Whisper mediante WhisperKit, incluido el procesamiento en streaming desde un micrófono
  • 02Síntesis de voz con modelos Qwen3-TTS y reproducción en streaming en tiempo real mediante TTSKit
  • 03Diarización de hablantes con modelos Pyannote y exportación RTTM mediante SpeakerKit
  • 04Servidor local compatible con OpenAI Audio API para transcripción y traducción
  • 05CLI de Swift (argmax-cli) e instalación mediante Homebrew de whisperkit-cli

Casos de uso

  • Añadir transcripción sin conexión a una app de iOS o macOS sin enviar el audio a un servidor
  • Generar voz en el dispositivo desde una app de Swift con reproducción en streaming
  • Identificar quién habló y cuándo en grabaciones de reuniones o entrevistas
  • Conectar código existente que usa el SDK de OpenAI a un servidor local de transcripción en una Mac

Inicio rápido

  1. 1

    Añade la dependencia del paquete Swift en Xcode o Package.swift (Swift Package Manager)

  2. 2

    Instala la CLI mediante Homebrew

    brew install whisperkit-cli

Antes de usarlo

  • Se requiere macOS 14.0 o posterior y Xcode 16.0 o posterior.
  • Solo admite inferencia en el dispositivo con Apple silicon; no es compatible con Android ni con otras plataformas.

Temas

#speech-recognition#text-to-speech#speaker-diarization#on-device#core-ml#swift#whisper#apple-silicon#inference#ios

Preguntas frecuentes

¿Qué es argmax-oss-swift?
SDK de Swift para ejecutar reconocimiento de voz, síntesis de voz y diarización de hablantes íntegramente en el dispositivo, en Apple silicon. Argmax Open-Source SDK for Swift reúne tres frameworks de voz que se ejecutan en el dispositivo en un solo paquete de Swift: WhisperKit, para reconocimiento de voz con modelos de OpenAI Whisper; TTSKit, para síntesis de voz con modelos Qwen3-TTS; y SpeakerKit, para diarización de hablantes con modelos Pyannote. Todos se ejecutan con Core ML en Apple silicon, por lo que el audio se procesa localmente, sin un servidor en la nube.
¿argmax-oss-swift es gratuito? ¿Qué licencia tiene?
argmax-oss-swift es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
¿argmax-oss-swift sigue mantenido?
Mantenimiento activo. El último commit de argmax-oss-swift fue el 11 oct 2026.
¿Para qué puedo usar argmax-oss-swift?
Añadir transcripción sin conexión a una app de iOS o macOS sin enviar el audio a un servidor Generar voz en el dispositivo desde una app de Swift con reproducción en streaming Identificar quién habló y cuándo en grabaciones de reuniones o entrevistas Conectar código existente que usa el SDK de OpenAI a un servidor local de transcripción en una Mac
¿Cómo se instala argmax-oss-swift?
Añade la dependencia del paquete Swift en Xcode o Package.swift (Swift Package Manager) Instala la CLI mediante Homebrew: brew install whisperkit-cli
¿Dónde consigo argmax-oss-swift?
El código fuente y las instrucciones de instalación están en GitHub: https://github.com/argmaxinc/argmax-oss-swift

Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.

Proyectos relacionados