SpeechAnalyzer

La documentation d’Apple décrit SpeechAnalyzer comme l’objet qui analyse l’audio parlé et gère la session d’analyse. L’analyseur lui-même ne transcrit pas. Il contient des modules, et chaque module effectue un type d’analyse. Selon Apple, de nombreux cas d’usage n’ont besoin que du module SpeechTranscriber, qui assure la reconnaissance vocale.

L’API est conçue pour la concurrence Swift. Une app fournit l’audio sous forme de séquence asynchrone et lit les résultats depuis une autre séquence asynchrone : l’entrée, la sortie et le contrôle de la session sont donc découplés. Un analyseur ne peut analyser qu’une seule séquence d’entrée à la fois.

• SpeechAnalyzer : contient les modules, accepte l’audio en entrée et contrôle l’analyse dans son ensemble.
• SpeechTranscriber : un module de transcription qu’Apple décrit comme adapté à la conversation normale et aux usages généraux.
• DictationTranscriber : un module de transcription proche des fonctionnalités de dictée du système et compatible avec les appareils plus anciens.
• SpeechDetector : un module de détection d’activité vocale qui peut conditionner la transcription à la présence de parole pour économiser de l’énergie.
• AssetInventory : installe et suit les ressources de modèle dont les modules ont besoin.

SFSpeechRecognizer est l’ancienne API de reconnaissance vocale, disponible depuis iOS 10 et macOS 10.15. Dans sa session de la WWDC25, Apple a expliqué que cette classe donnait accès au modèle de reconnaissance vocale de Siri, fonctionnait bien pour la dictée de textes courts et pouvait utiliser les serveurs d’Apple sur les appareils aux ressources limitées. La documentation d’Apple la concernant décrit toujours la reconnaissance vocale comme un service réseau soumis à des limites d’utilisation.

Apple indique que le nouveau modèle derrière SpeechTranscriber est à la fois plus rapide et plus souple que celui accessible via SFSpeechRecognizer, et qu’il convient bien à l’audio long et lointain, comme les cours, les réunions et les conversations. La page de référence d’Apple ne marque pas SFSpeechRecognizer comme obsolète : les apps existantes continuent donc de fonctionner.

• Où elle s’exécute : Apple indique que la transcription avec la nouvelle API se fait entièrement sur l’appareil. SFSpeechRecognizer peut nécessiter une connexion internet pour certaines langues.
• Durée de l’audio : Apple demande aux développeurs de prévoir une limite d’une minute pour l’audio avec SFSpeechRecognizer. Le nouveau modèle est conçu pour l’audio long.
• Garder l’audio en local : avec SFSpeechRecognizer, un développeur doit définir requiresOnDeviceRecognition, et Apple précise que les requêtes sur l’appareil ne seront pas aussi précises.
• Langues : Apple indique que l’ancienne classe comptait sur l’utilisateur pour ajouter des langues. La nouvelle API permet à l’app de demander elle-même le modèle d’une langue.
• Résultats : la nouvelle API peut fournir rapidement des résultats provisoires, remplacés ensuite par des résultats définitifs.

SpeechTranscriber utilise le nouveau modèle de transcription vocale d’Apple. Apple indique qu’il est disponible sur toutes les plateformes sauf watchOS, avec certaines exigences matérielles, et qu’il prend en charge un ensemble de langues, d’autres étant à venir. Une app doit vérifier que l’appareil le prend en charge avant de l’utiliser.

DictationTranscriber est la solution de repli pour une langue ou un appareil non pris en charge. Selon la documentation d’Apple, il utilise les mêmes modèles de transcription que les fonctions de dictée du système, ou que SFSpeechRecognizer configuré pour fonctionner sur l’appareil. Il ne prend pas en charge les langues que SFSpeechRecognizer ne gère que par le réseau. Apple ajoute que, contrairement à l’ancienne classe, l’utilisateur n’a pas besoin d’aller dans Réglages pour activer Siri ou la dictée au clavier pour une langue.

La page de référence d’Apple donne un déroulé général pour analyser des fichiers et des flux audio. Les étapes ci-dessous suivent ce déroulé, pour un développeur qui crée une app Mac en Swift sur macOS 26 ou ultérieur.

1. 01 Créez et configurez les modules nécessaires, par exemple un SpeechTranscriber pour une locale.
2. 02 Vérifiez avec AssetInventory que les ressources nécessaires sont installées ou déjà présentes.
3. 03 Créez une séquence d’entrée qui transportera l’audio parlé, depuis un fichier ou un appareil de capture comme un micro.
4. 04 Créez l’analyseur avec les modules et la séquence d’entrée.
5. 05 Fournissez l’audio et lancez l’analyse.
6. 06 Lisez les résultats du module à mesure qu’ils arrivent et traitez-les.
7. 07 Terminez l’analyse quand vous avez fini, pour que les flux de résultats se ferment.

Les modèles ne sont pas intégrés à l’app. Apple décrit ces ressources comme des modèles d’apprentissage automatique téléchargés depuis les serveurs d’Apple et gérés par le système. Dans la session de la WWDC25, Apple indique que le modèle est conservé dans le stockage du système, n’augmente pas la taille de téléchargement ni l’espace occupé par l’app, et s’exécute en dehors de l’espace mémoire de l’app.

Une fois une ressource téléchargée, le système la conserve, la met à jour automatiquement et la partage avec les autres apps. Chaque app dispose d’un nombre limité de réservations de locale.

1. 01 Créez les modules de l’analyseur dans les configurations que vous comptez utiliser.
2. 02 Attribuez les réservations de ressources de votre app à ces locales. AssetInventory le fait automatiquement si besoin, ou vous pouvez réserver une locale vous-même.
3. 03 Demandez l’installation des ressources pour ces modules et appelez sa méthode de téléchargement et d’installation.
4. 04 Attendez la fin du téléchargement. Il peut se terminer immédiatement si les ressources étaient préinstallées ou si une autre app les a déjà téléchargées.
5. 05 Quand votre app n’a plus besoin d’une locale, libérez la réservation pour que le système puisse supprimer les ressources plus tard.

La session de la WWDC25 d’Apple indique que la transcription se fait entièrement sur l’appareil, mais que les modèles doivent être récupérés. Le téléchargement vient des serveurs d’Apple, et ensuite l’audio qu’une app transcrit avec SpeechTranscriber est traité sur l’appareil. Ce que l’app fait ensuite du texte obtenu dépend d’elle, donc sa propre politique de confidentialité s’applique toujours.

La documentation d’Apple liste SpeechAnalyzer et SpeechTranscriber pour iOS 26, iPadOS 26, Mac Catalyst 26, macOS 26, tvOS 26 et visionOS 26. DictationTranscriber figure pour les mêmes plateformes, sauf tvOS. Sur un Mac, les apps qui ont demandé l’accès à la reconnaissance vocale apparaissent dans Réglages Système, Confidentialité et sécurité, Reconnaissance vocale.

SpeechAnalyzer est une façon pour une app Mac de transcrire en local. Les modèles ouverts comme Whisper et Parakeet en sont une autre : ils sont intégrés ou téléchargés par l’app au lieu d’être gérés par le système.