SpeechAnalyzer

La documentazione di Apple descrive SpeechAnalyzer come l’oggetto che analizza l’audio parlato e gestisce la sessione di analisi. L’analizzatore in sé non trascrive. Contiene dei moduli, e ogni modulo fa un tipo di analisi. Apple dice che in molti casi basta il modulo SpeechTranscriber, che si occupa della trascrizione da voce a testo.

L’API è scritta per la concorrenza di Swift. Un’app fornisce l’audio come sequenza asincrona e legge i risultati da un’altra sequenza asincrona, così input, output e controllo della sessione sono separati. Un analizzatore può analizzare una sola sequenza di input alla volta.

• SpeechAnalyzer: contiene i moduli, riceve l’audio in ingresso e controlla l’analisi nel suo insieme.
• SpeechTranscriber: un modulo di trascrizione che Apple descrive come adatto alla normale conversazione e agli usi generali.
• DictationTranscriber: un modulo di trascrizione simile alle funzioni di dettatura di sistema e compatibile con i dispositivi meno recenti.
• SpeechDetector: un modulo di rilevamento dell’attività vocale che può subordinare la trascrizione alla presenza di parlato, per risparmiare energia.
• AssetInventory: installa e tiene traccia dei modelli di cui i moduli hanno bisogno.

SFSpeechRecognizer è la vecchia API vocale, disponibile da iOS 10 e macOS 10.15. Nella sua sessione della WWDC25, Apple ha detto che quella classe dava accesso al modello di riconoscimento vocale alla base di Siri, funzionava bene per la dettatura di testi brevi e poteva usare i server di Apple sui dispositivi con risorse limitate. La documentazione di Apple per questa classe descrive ancora il riconoscimento vocale come un servizio basato sulla rete con limiti di utilizzo.

Apple dice che il nuovo modello alla base di SpeechTranscriber è più veloce e più flessibile di quello disponibile tramite SFSpeechRecognizer, e adatto all’audio lungo e lontano dal microfono, come lezioni, riunioni e conversazioni. La pagina di riferimento di Apple non segna SFSpeechRecognizer come deprecata, quindi le app esistenti continuano a funzionare.

• Dove avviene: Apple dice che con la nuova API la trascrizione avviene interamente sul dispositivo. SFSpeechRecognizer può richiedere una connessione a internet per alcune lingue.
• Durata dell’audio: Apple dice agli sviluppatori di prevedere un limite di un minuto per la durata dell’audio con SFSpeechRecognizer. Il nuovo modello è pensato per l’audio di lunga durata.
• Tenere l’audio in locale: con SFSpeechRecognizer uno sviluppatore deve impostare requiresOnDeviceRecognition, e Apple avverte che le richieste sul dispositivo non saranno altrettanto precise.
• Lingue: Apple dice che la vecchia classe si affidava all’utente per aggiungere le lingue. La nuova API permette all’app di richiedere da sola il modello per una lingua.
• Risultati: la nuova API può fornire rapidi risultati provvisori, poi sostituiti da quelli definitivi.

SpeechTranscriber usa il nuovo modello di Apple per la conversione da voce a testo. Apple dice che è disponibile su tutte le piattaforme tranne watchOS, con alcuni requisiti hardware, e che supporta una serie di lingue, con altre in arrivo. Un’app deve verificare se il dispositivo in uso lo supporta prima di usarlo.

DictationTranscriber è la soluzione di riserva per una lingua o un dispositivo non supportati. La documentazione di Apple dice che usa gli stessi modelli di conversione da voce a testo delle funzioni di dettatura di sistema, o di SFSpeechRecognizer quando è configurato per funzionare sul dispositivo. Non supporta le lingue che SFSpeechRecognizer supporta solo tramite accesso alla rete. Apple aggiunge che, a differenza della vecchia classe, l’utente non deve andare in Impostazioni e attivare Siri o la dettatura da tastiera per una lingua.

La pagina di riferimento di Apple indica una sequenza generale per analizzare file e flussi audio. I passaggi qui sotto seguono quella sequenza per uno sviluppatore che crea un’app per Mac in Swift su macOS 26 o versioni successive.

1. 01 Crea e configura i moduli che ti servono, per esempio uno SpeechTranscriber per una lingua.
2. 02 Assicurati che le risorse necessarie siano installate o già presenti, usando AssetInventory.
3. 03 Crea una sequenza di input che trasporterà l’audio parlato, da un file o da un dispositivo di acquisizione come un microfono.
4. 04 Crea l’analizzatore con i moduli e la sequenza di input.
5. 05 Fornisci l’audio e avvia l’analisi.
6. 06 Leggi i risultati dal modulo man mano che arrivano e usali.
7. 07 Concludi l’analisi quando hai finito, così i flussi di risultati terminano.

I modelli non sono inclusi nell’app. Apple descrive le risorse come modelli di machine learning scaricati dai server di Apple e gestiti dal sistema. Nella sessione della WWDC25 Apple dice che il modello è conservato nello spazio di archiviazione del sistema, non aumenta le dimensioni di download o di archiviazione dell’app e funziona al di fuori dello spazio di memoria dell’app.

Una volta scaricata una risorsa, il sistema la conserva, la aggiorna automaticamente e la condivide con le altre app. Ogni app ha un numero limitato di prenotazioni di lingua (locale).

1. 01 Crea i moduli dell’analizzatore nelle configurazioni che pensi di usare.
2. 02 Assegna le prenotazioni di risorse della tua app a quelle lingue. AssetInventory lo fa automaticamente se serve, oppure puoi prenotare una lingua manualmente.
3. 03 Richiedi un’installazione delle risorse per quei moduli e chiama il suo metodo di download e installazione.
4. 04 Attendi che il download finisca. Può finire subito se le risorse erano preinstallate o se un’altra app le ha già scaricate.
5. 05 Quando la tua app non ha più bisogno di una lingua, rilascia la prenotazione così il sistema potrà rimuovere le risorse in seguito.

La sessione di Apple alla WWDC25 afferma che la trascrizione avviene interamente sul dispositivo, ma i modelli devono essere scaricati. Il download arriva dai server di Apple, e dopo quello l’audio che un’app trascrive con SpeechTranscriber viene elaborato sul dispositivo. Cosa fa poi l’app con il testo ottenuto dipende dall’app stessa, quindi vale comunque la sua informativa sulla privacy.

La documentazione di Apple indica SpeechAnalyzer e SpeechTranscriber per iOS 26, iPadOS 26, Mac Catalyst 26, macOS 26, tvOS 26 e visionOS 26. DictationTranscriber è indicato per le stesse piattaforme tranne tvOS. Su un Mac, le app che hanno chiesto l’accesso al riconoscimento vocale compaiono in Impostazioni di Sistema, Privacy e sicurezza, Riconoscimento vocale.

SpeechAnalyzer è uno dei modi in cui un’app per Mac può trascrivere in locale. I modelli open come Whisper e Parakeet sono un altro, e sono inclusi nell’app o scaricati da essa invece di essere gestiti dal sistema.