SpeechAnalyzer

Apple的文档把SpeechAnalyzer描述为分析语音音频并管理分析会话的对象。分析器本身不转写。它容纳各个模块，每个模块执行一种分析。Apple说，许多使用场景只需要执行语音转文字的SpeechTranscriber模块。

这个API是为Swift并发编写的。App以异步序列的形式输入音频，再从另一个异步序列读取结果，因此输入、输出和会话控制是解耦的。一个分析器一次只能分析一个输入序列。

• SpeechAnalyzer：容纳各个模块，接收音频输入，并控制整个分析过程。
• SpeechTranscriber：一个转写模块，Apple称它适用于普通对话和一般用途。
• DictationTranscriber：一个类似系统听写功能的转写模块，与较旧的设备兼容。
• SpeechDetector：一个语音活动检测模块，可以根据是否有语音来控制转写，以节省电量。
• AssetInventory：安装并跟踪各模块所需的模型资源。

SFSpeechRecognizer是较早的语音API，从iOS 10和macOS 10.15开始提供。Apple在WWDC25的讲座中说，这个类可以调用为Siri提供支持的语音转文字模型，适合短篇听写，并且可以在资源受限的设备上使用Apple服务器。Apple对它的文档仍把语音识别描述为一项有使用限制的网络服务。

Apple说，SpeechTranscriber背后的新模型比通过SFSpeechRecognizer使用的模型更快、更灵活，适合长篇音频和远距离音频，例如讲座、会议和对话。Apple的参考页面没有把SFSpeechRecognizer标记为已弃用，所以现有App可以继续工作。

• 运行位置：Apple说使用新API的转写完全在设备上进行。SFSpeechRecognizer在某些语言下可能需要互联网连接。
• 音频长度：Apple提醒开发者，使用SFSpeechRecognizer时要考虑音频时长一分钟的限制。新模型是为长篇音频打造的。
• 让音频留在本地：使用SFSpeechRecognizer时，开发者必须设置requiresOnDeviceRecognition，Apple指出设备端请求的准确度不会那么高。
• 语言：Apple说旧的类依赖用户自己添加语言。新API让App可以自己请求某种语言的模型。
• 结果：新API可以快速提供临时结果，之后再由最终结果替换。

SpeechTranscriber使用Apple新的语音转文字模型。Apple说它适用于除watchOS以外的所有平台，有一定的硬件要求，支持一组语言，之后还会增加更多语言。App在使用它之前，应先检查当前设备是否支持。

DictationTranscriber是在语言或设备不受支持时的后备方案。Apple的文档说，它使用与系统听写功能相同的语音转文字模型，或者与配置为设备端运行的SFSpeechRecognizer相同的模型。对于SFSpeechRecognizer只能通过网络访问来支持的语言，它不提供支持。Apple还补充说，与旧的类不同，用户不必进入“设置”为某种语言打开Siri或键盘听写。

Apple的参考页面给出了分析音频文件和音频流的一般顺序。以下步骤按照这个顺序，面向在macOS 26或更高版本上用Swift构建Mac App的开发者。

1. 01 创建并配置你需要的模块，例如针对某个区域设置的SpeechTranscriber。
2. 02 使用AssetInventory，确保相关资源已安装或已经存在。
3. 03 创建一个承载语音音频的输入序列，音频可以来自文件，也可以来自麦克风等采集设备。
4. 04 用这些模块和输入序列创建分析器。
5. 05 提供音频并开始分析。
6. 06 在结果到达时从模块读取，并进行处理。
7. 07 完成后结束分析，让结果流随之结束。

这些模型不随App打包。Apple把这些资源描述为从Apple服务器下载、由系统管理的机器学习模型。在WWDC25讲座中，Apple说模型保存在系统储存空间中，不会增加App的下载大小或储存空间大小，并且在App的内存空间之外运行。

资源下载后，系统会保留并自动更新它，还会与其他App共享。每个App只能获得有限数量的区域设置预留。

1. 01 按你计划使用的配置创建分析器模块。
2. 02 把你App的资源预留分配给这些区域设置。AssetInventory会在需要时自动完成这一步，你也可以手动预留某个区域设置。
3. 03 为这些模块请求资源安装，并调用其下载和安装方法。
4. 04 等待下载完成。如果资源已经预装，或者其他App已经下载过，可能会立即完成。
5. 05 当你的App不再需要某个区域设置时，释放预留，以便系统稍后移除这些资源。

Apple的WWDC25讲座表示，转写完全在设备上进行，但需要先获取模型。下载来自Apple的服务器，之后App用SpeechTranscriber转写的音频都在设备上处理。App之后如何处理生成的文本，由该App决定，所以它自己的隐私政策仍然适用。

Apple的文档列出SpeechAnalyzer和SpeechTranscriber适用于iOS 26、iPadOS 26、Mac Catalyst 26、macOS 26、tvOS 26和visionOS 26。DictationTranscriber适用于除tvOS外的相同平台。在Mac上，请求过语音识别权限的App会显示在“系统设置 → 隐私与安全 → 语音识别”中。

SpeechAnalyzer是Mac App在本地转写的一种方式。Whisper和Parakeet等开放模型是另一种方式，它们由App打包或下载，而不是由系统管理。