iOS 26 SpeechAnalyzer Live Mic: Configuración, resultados y solución de problemas

SpeechTranscriber proporciona comprobaciones de dispositivos y configuración regional en tiempo de ejecución. Una comprobación de la versión de iOS por sí sola es insuficiente. El siguiente ayudante devuelve un transcriptor, analizador y formato de audio configurados, o lanza un error de preparación específico.

Descargue el ayudante de preparación completo de Swift. El archivo completo incluye importaciones, tipos de resultados y errores, y el ayudante de sugerencias de DictationTranscriber que se analiza a continuación. Este es un componente de configuración, no una aplicación de grabación completa.

@available(iOS 26.0, *)
@MainActor
public func prepareSpeechAnalyzer(
    requestedLocale: Locale,
    naturalFormat: AVAudioFormat? = nil
) async throws -> PreparedSpeechAnalyzer {
    guard SpeechTranscriber.isAvailable else {
        throw SpeechPreparationError.deviceUnavailable
    }
    guard let locale = await SpeechTranscriber.supportedLocale(
        equivalentTo: requestedLocale
    ) else {
        throw SpeechPreparationError.unsupportedLocale
    }

    let transcriber = SpeechTranscriber(
        locale: locale,
        preset: .progressiveTranscription
    )
    // The system may already have the asset; nil means no install is needed.
    // A request can automatically reserve the locale or throw if no slot is free.
    if let request = try await AssetInventory.assetInstallationRequest(
        supporting: [transcriber]
    ) {
        try await request.downloadAndInstall()
    }
    try Task.checkCancellation()
    guard await AssetInventory.status(forModules: [transcriber]) == .installed else {
        throw SpeechPreparationError.assetsNotInstalled
    }
    guard let format = await SpeechAnalyzer.bestAvailableAudioFormat(
        compatibleWith: [transcriber], considering: naturalFormat
    ) else {
        throw SpeechPreparationError.noCompatibleFormat
    }

    let analyzer = SpeechAnalyzer(modules: [transcriber])
    try await analyzer.prepareToAnalyze(in: format)
    return PreparedSpeechAnalyzer(
        locale: locale, transcriber: transcriber,
        analyzer: analyzer, audioFormat: format
    )
}

AssetInventory gestiona modelos de sistema compartidos. Es posible que un modelo ya esté instalado por el sistema u otra aplicación. Una solicitud de instalación devuelve nil cuando no se necesita instalación; de lo contrario, puede reservar la configuración regional e iniciar una descarga. Los límites de reserva también pueden producir un error. Administre las reservas en todas las funciones de su aplicación y libere una configuración regional cuando ya no sea necesaria en lugar de lanzar un modelo que aún esté en uso en otra parte de su aplicación.

Antes de desconectarte, prepara la configuración regional requerida y verifica la preparación. Los activos del modelo viven fuera del paquete de aplicaciones, pero aún consumen almacenamiento del sistema y pueden cambiar con el tiempo. Mostrar el progreso y la cancelación de la descarga en la interfaz de usuario del host. "Reconocimiento en el dispositivo" no significa que "no se necesite preparación ni acceso a la red".

AVAudioEngine microphone tap
  -> owned PCM / conversion for the selected format
  -> AsyncStream<AnalyzerInput>
  -> SpeechAnalyzer + SpeechTranscriber
  -> result consumer and UI state

Después de activar la sesión de audio, inspeccione el formato real del nodo de entrada. No codifique una frecuencia de muestreo porque un dispositivo o ruta a menudo usaba esa tasa antes. Pase un formato natural a bestAvailableAudioFormat(compatibleWith:considering:) cuando sea apropiado y desenvuelva su resultado opcional. Apple documenta que el analizador no vuelve a muestrear o convierte la entrada de forma transparente.

El AudioBufferConverter del repositorio devuelve un búfer que ya coincide sin cambios y utiliza AVAudioConverter cuando los formatos difieren. La conversión es necesaria para formatos que no coinciden, no como un paso adicional general para cada búfer. Compruebe la longitud del fotograma de salida e informe de los errores de conversión; dejar caer silenciosamente cada búfer fallido puede hacer que una interfaz de usuario de grabación parezca saludable sin producir texto.

Dale al audio en cola una política de propiedad explícita. El convertidor de muestra actualizado devuelve el almacenamiento PCM independiente incluso cuando los formatos ya coinciden, por lo que la reutilización posterior de la entrada no sobrescribe el audio en cola. No se debe suponer que un búfer suministrado por una devolución de llamada de audio permanece inmutable después de que regrese la devolución de llamada. Si lo pone en cola para usarlo más tarde, organice una copia de propiedad adecuada o una canalización cuya vida útil del búfer esté controlada. Mantenga las mutaciones de la interfaz de usuario por búfer fuera de la devolución de llamada de audio. Para la producción, también decida cómo encuadernar el trabajo en cola y manejar la sobrecarga o los cambios de ruta.

En Swift 6, la captura de variables locales no prueba por sí sola que una tubería sea segura para subprocesos. El convertidor de la muestra actual tiene un contrato de hilo de procesamiento único y un soporte @unchecked Sendable protegido por bloqueo privado para una devolución de llamada del convertidor. No hace que todos los búferes PCM o el convertidor generalmente sean seguros para compartir a través de subprocesos. Lea ese contrato antes de adaptar la muestra.

Es inexacto decir que el nuevo discurso API no tiene soporte de vocabulario contextual. Apple documentos AnalysisContext.contextualStrings para DictationTranscriber. La documentación recomienda frases breves y, como máximo, frases 100 en todas las etiquetas. Eso no es una promesa de que las mismas pistas personalicen SpeechTranscriber.

// For an analyzer configured with DictationTranscriber.
let context = AnalysisContext()
context.contextualStrings[.general] = ["Obsidian", "Yurica"]
try await analyzer.setContext(context)

setContext(_:) reemplaza el contexto actual, por lo que conserva o fusiona cualquier contexto de aplicación existente cuando sea necesario. El ayudante descargable rechaza más de frases 100 en lugar de truncarlas silenciosamente. Las sugerencias de frase son distintas de la opción de modelo de idioma personalizada también documentada para DictationTranscriber, y ninguna garantiza el reconocimiento correcto de cada nombre. Elija y pruebe el módulo y el idioma que necesita su aplicación.

Para los diagnósticos, comience con los tiempos de etapa, el recuento de fotogramas, la configuración regional y la información de errores. Las grabaciones sin procesar y el texto reconocido no son necesarios para cada entrada de registro. Si un usuario comparte una reproducción, pida una frase de prueba corta y no sensible y la configuración relevante en lugar de una conversación privada.