argmaxinc/argmax-oss-swift

これは何？

主な機能

• 01WhisperKitによるWhisperモデルを使った音声認識。マイク入力のストリーミングにも対応
• 02TTSKitによるQwen3-TTSモデルを使った音声合成と、リアルタイムのストリーミング再生
• 03SpeakerKitによるPyannoteモデルを使った話者ダイアライゼーションとRTTM出力
• 04文字起こしと翻訳に対応した、OpenAI互換のローカルAudio APIサーバー
• 05Swift CLI（argmax-cli）と、whisperkit-cliのHomebrewインストール

ユースケース

• 音声をサーバーに送信せずに、iOSまたはmacOSアプリへオフライン文字起こしを追加する
• Swiftアプリでストリーミング再生に対応した音声をオンデバイスで生成する
• 会議やインタビューの録音で、誰がいつ話したかをラベル付けする
• 既存のOpenAI SDKコードから、Mac上のローカル文字起こしサーバーに接続する

クイックスタート

1. 1

   Xcode または Package.swift に Swift Package の依存関係を追加します（Swift Package Manager）

2. 2

   Homebrew で CLI をインストールします

   brew install whisperkit-cli

使う前に知っておきたいこと

• !macOS 14.0 以降と Xcode 16.0 以降が必要です。
• !対象は Apple silicon でのオンデバイス推論のみです。Android やその他のプラットフォームには対応していません。

トピック

よくある質問

argmax-oss-swift とは？

Apple silicon上で音声認識、音声合成、話者ダイアライゼーションを完全オンデバイスで実行できるSwift SDK。 ArgmaxのオープンソースSwift SDKは、3つのオンデバイス音声フレームワークを1つのSwiftパッケージにまとめています。OpenAI Whisperモデルで音声認識を行うWhisperKit、Qwen3-TTSモデルで音声合成を行うTTSKit、Pyannoteモデルで話者ダイアライゼーションを行うSpeakerKitが含まれます。いずれもApple silicon上でCore MLを使って動作するため、音声はクラウドサーバーを介さずローカルで処理されます。

argmax-oss-swift は無料で使えますか？ライセンスは？

argmax-oss-swift は MIT ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。

argmax-oss-swift は今もメンテナンスされていますか？

活発にメンテナンス中。argmax-oss-swift の最終コミットは 2026年10月11日 です。

argmax-oss-swift は何に使えますか？

音声をサーバーに送信せずに、iOSまたはmacOSアプリへオフライン文字起こしを追加する Swiftアプリでストリーミング再生に対応した音声をオンデバイスで生成する 会議やインタビューの録音で、誰がいつ話したかをラベル付けする 既存のOpenAI SDKコードから、Mac上のローカル文字起こしサーバーに接続する

argmax-oss-swift のインストール方法は？

Xcode または Package.swift に Swift Package の依存関係を追加します（Swift Package Manager） Homebrew で CLI をインストールします: brew install whisperkit-cli

argmax-oss-swift はどこで入手できますか？

ソースコードとインストール手順は GitHub にあります：https://github.com/argmaxinc/argmax-oss-swift