speech-swift

speech-swift 是一个专为 Apple Silicon 设备设计的 Swift 包，将通常需要从云 API 租用的全套语音能力——转录、富有表现力的 TTS、语音克隆、说话人感知的说话人分离、降噪、全双工语音到语音——全部集成在一个本地运行的包中。通过 brew install soniqo/tap/speech 即可安装，它提供了 CLI、本地 HTTP 服务器和 Swift API。采用 Apache 2.0 许可证，无需云服务、无需 API 密钥、无需按分钟计费。

核心功能

• 语音转录：支持高精度语音转文字，适用于实时或离线场景。
• 表现力 TTS：生成自然流畅、富有情感的语音输出，支持多种声音和语调。
• 语音克隆：基于少量样本快速克隆特定说话人的声音。
• 说话人分离：自动识别并区分不同说话人，提升会议记录等场景的可用性。
• 降噪：实时过滤背景噪音，确保语音清晰。
• 全双工语音到语音：实现低延迟的双向语音交互，适合对话式 AI 应用。

主要特性

• 完全本地运行：所有处理在 Apple Silicon 设备上完成，数据不出设备，保障隐私。
• 无需云服务：不依赖任何云端 API，无网络延迟，无按用量付费。
• 多接口支持：提供 CLI、HTTP 服务器和 Swift API，灵活集成到不同工作流。
• 开源免费：Apache 2.0 许可证，可自由使用、修改和分发。
• 一键安装：通过 Homebrew 一键安装，省去复杂配置。

适用场景

• 隐私敏感应用：医疗、金融等需要本地处理语音数据的场景。
• 离线环境：无网络或网络受限的场所，如偏远地区、飞机上。
• 成本敏感项目：初创公司或个人开发者，避免高昂的云 API 费用。
• 实时交互系统：语音助手、客服机器人等需要低延迟全双工通信的应用。
• 研究与实验：语音技术研究、原型开发，快速测试不同模型和算法。