Argmax, Qwen3-ASR'yi iPhone'un içine soktu: konuşma metne cihazda çevriliyor
Pro SDK 3 kararlı sürüme geçti. Çok dilli tanıma modeli sunucuya gitmeden telefonda çalışıyor; şirket kod yazmadan denenebilen bir TestFlight uygulaması da açtı.
Apple donanımı için yapay zeka altyapısı geliştiren Argmax, Pro SDK 3'ün kararlı sürümünü (3.0.6) yayımladı. Paketin ana iddiası şu: çok dilli konuşma tanıma artık iPhone'un kendi işlemcisinde çalışıyor.
Modelin adı Qwen3-ASR-1.7b. Alibaba'nın açık konuşma tanıma modelinin 1,7 milyar parametreli sürümü; Argmax bunu Apple Silicon'a taşıyıp SDK'nın içine koymuş. Ses kaydı sunucuya gitmiyor, işlem telefonda bitiyor. Bu, gizlilik açısından olduğu kadar bağlantısız çalışma açısından da fark yaratıyor: uçakta, tünelde, kapsama alanı dışında aynı şekilde çalışıyor.
SDK'nın gerçek zamanlı API'si özel sözcük dağarcığı ve kelime bazlı zaman damgası veriyor. Özel sözcük dağarcığı çalışma anında değiştirilebiliyor; bir toplantı uygulamasının katılımcı adlarını ya da bir sağlık uygulamasının ilaç adlarını tanımaya konuşma sürerken ayarlayabilmesi anlamına geliyor. Şirket gecikme için ağızdan ekrana 160 milisaniye rakamı veriyor; bu ölçüm Argmax'a ait.
Denemek için kod yazmak gerekmiyor: Argmax Playground uygulaması TestFlight üzerinden iPhone ve Mac'te açılıyor.
Ayrıntılar Argmax blogunda; açık kaynak tarafı GitHub'da.
