SpeechAnalyzer

Apples Dokumentation beschreibt SpeechAnalyzer als das Objekt, das gesprochenes Audio analysiert und die Analysesitzung verwaltet. Der Analyzer selbst transkribiert nicht. Er enthält Module, und jedes Modul übernimmt eine Art der Analyse. Laut Apple brauchen viele Anwendungsfälle nur das Modul SpeechTranscriber, das Sprache in Text umwandelt.

Die API ist für Swift Concurrency geschrieben. Eine App liefert Audio als asynchrone Sequenz und liest die Ergebnisse aus einer anderen asynchronen Sequenz. Eingabe, Ausgabe und Sitzungssteuerung sind also voneinander entkoppelt. Ein Analyzer kann immer nur eine Eingabesequenz gleichzeitig analysieren.

• SpeechAnalyzer: enthält die Module, nimmt Audio entgegen und steuert die gesamte Analyse.
• SpeechTranscriber: ein Transkriptionsmodul, das Apple als geeignet für normale Gespräche und allgemeine Zwecke beschreibt.
• DictationTranscriber: ein Transkriptionsmodul, das den Diktierfunktionen des Systems ähnelt und mit älteren Geräten kompatibel ist.
• SpeechDetector: ein Modul zur Sprachaktivitätserkennung, das die Transkription davon abhängig machen kann, ob gesprochen wird, um Strom zu sparen.
• AssetInventory: installiert und verfolgt die Modelldateien, die die Module brauchen.

SFSpeechRecognizer ist die ältere Sprach-API, verfügbar seit iOS 10 und macOS 10.15. In der WWDC25-Session sagte Apple, diese Klasse habe Zugriff auf das Sprache-zu-Text-Modell hinter Siri gegeben, gut für kurze Diktate funktioniert und auf Geräten mit begrenzten Ressourcen Apple-Server nutzen können. Apples Dokumentation dazu beschreibt die Spracherkennung weiterhin als netzwerkbasierten Dienst mit Nutzungsgrenzen.

Laut Apple ist das neue Modell hinter SpeechTranscriber schneller und flexibler als das über SFSpeechRecognizer verfügbare und gut für lange Aufnahmen und Audio aus der Entfernung wie Vorlesungen, Meetings und Gespräche geeignet. Apples Referenzseite markiert SFSpeechRecognizer nicht als veraltet, bestehende Apps funktionieren also weiter.

• Wo es läuft: Laut Apple läuft die Transkription mit der neuen API vollständig auf dem Gerät. SFSpeechRecognizer kann für manche Sprachen eine Internetverbindung erfordern.
• Audiolänge: Apple rät Entwicklern, bei SFSpeechRecognizer mit einer Grenze von einer Minute Audiodauer zu planen. Das neue Modell ist für lange Aufnahmen gebaut.
• Audio lokal halten: Bei SFSpeechRecognizer muss ein Entwickler requiresOnDeviceRecognition setzen, und Apple weist darauf hin, dass Anfragen auf dem Gerät weniger genau sind.
• Sprachen: Laut Apple war die alte Klasse darauf angewiesen, dass der Nutzer Sprachen hinzufügt. Mit der neuen API kann die App das Modell für eine Sprache selbst anfordern.
• Ergebnisse: Die neue API kann schnelle, vorläufige Ergebnisse liefern, die später durch endgültige ersetzt werden.

SpeechTranscriber verwendet Apples neues Sprache-zu-Text-Modell. Laut Apple ist es auf allen Plattformen außer watchOS verfügbar, mit bestimmten Hardwareanforderungen, und unterstützt eine Reihe von Sprachen, weitere sollen folgen. Eine App soll vor der Nutzung prüfen, ob das aktuelle Gerät es unterstützt.

DictationTranscriber ist die Ausweichlösung für eine nicht unterstützte Sprache oder ein nicht unterstütztes Gerät. Laut Apples Dokumentation verwendet es dieselben Sprache-zu-Text-Modelle wie die Diktierfunktionen des Systems oder wie SFSpeechRecognizer, wenn dieser für den Betrieb auf dem Gerät konfiguriert ist. Sprachen, die SFSpeechRecognizer nur über das Netzwerk unterstützt, unterstützt es nicht. Apple ergänzt, dass der Nutzer anders als bei der alten Klasse nicht in die Einstellungen gehen und Siri oder die Diktierfunktion für eine Sprache einschalten muss.

Apples Referenzseite beschreibt einen allgemeinen Ablauf zum Analysieren von Audiodateien und -streams. Die Schritte unten folgen diesem Ablauf für einen Entwickler, der eine Mac-App in Swift für macOS 26 oder neuer baut.

1. 01 Erstelle und konfiguriere die Module, die du brauchst, zum Beispiel einen SpeechTranscriber für ein Gebietsschema (Locale).
2. 02 Stelle mit AssetInventory sicher, dass die nötigen Ressourcen installiert oder schon vorhanden sind.
3. 03 Erstelle eine Eingabesequenz, die das gesprochene Audio liefert, aus einer Datei oder von einem Aufnahmegerät wie einem Mikrofon.
4. 04 Erstelle den Analyzer mit den Modulen und der Eingabesequenz.
5. 05 Liefere Audio und starte die Analyse.
6. 06 Lies die Ergebnisse des Moduls, sobald sie eintreffen, und verarbeite sie.
7. 07 Beende die Analyse, wenn du fertig bist, damit die Ergebnisstreams enden.

Die Modelle sind nicht in der App enthalten. Apple beschreibt die Ressourcen als Machine-Learning-Modelle, die von Apples Servern geladen und vom System verwaltet werden. In der WWDC25-Session sagt Apple, dass das Modell im Systemspeicher liegt, die Download- und Speichergröße der App nicht erhöht und außerhalb des Speicherbereichs der App läuft.

Ist eine Ressource einmal geladen, behält und aktualisiert das System sie automatisch und teilt sie mit anderen Apps. Jede App bekommt eine begrenzte Zahl an Reservierungen für Gebietsschemas.

1. 01 Erstelle die Analyzer-Module in den Konfigurationen, die du verwenden willst.
2. 02 Weise die Ressourcenreservierungen deiner App diesen Gebietsschemas zu. AssetInventory erledigt das bei Bedarf automatisch, oder du reservierst ein Gebietsschema von Hand.
3. 03 Fordere eine Ressourceninstallation für diese Module an und rufe ihre Methode zum Laden und Installieren auf.
4. 04 Warte, bis der Download fertig ist. Er kann sofort fertig sein, wenn die Ressourcen vorinstalliert waren oder eine andere App sie schon geladen hat.
5. 05 Wenn deine App ein Gebietsschema nicht mehr braucht, gib die Reservierung frei, damit das System die Ressourcen später entfernen kann.

In Apples WWDC25-Session heißt es, die Transkription laufe vollständig auf dem Gerät, die Modelle müssten aber erst geladen werden. Der Download kommt von Apples Servern, und danach wird das Audio, das eine App mit SpeechTranscriber transkribiert, auf dem Gerät verarbeitet. Was eine App dann mit dem Text macht, ist Sache dieser App, ihre eigene Datenschutzerklärung gilt also weiterhin.

Apples Dokumentation führt SpeechAnalyzer und SpeechTranscriber für iOS 26, iPadOS 26, Mac Catalyst 26, macOS 26, tvOS 26 und visionOS 26. DictationTranscriber ist für dieselben Plattformen außer tvOS aufgeführt. Auf einem Mac erscheinen Apps, die um Zugriff auf die Spracherkennung gebeten haben, unter Systemeinstellungen, Datenschutz & Sicherheit, Spracherkennung.

SpeechAnalyzer ist ein Weg für eine Mac-App, lokal zu transkribieren. Offene Modelle wie Whisper und Parakeet sind ein anderer. Sie werden von der App mitgeliefert oder geladen, statt vom System verwaltet zu werden.