iOS 26 SpeechAnalyzer Live Mic: Pengaturan, Hasil, dan Penyelesaian Masalah

SpeechTranscriber menyediakan perangkat runtime dan pemeriksaan lokal. Pemeriksaan versi iOS saja tidak cukup. Pembantu berikut mengembalikan transkrip, penganalisa, dan format audio yang dikonfigurasi, atau melemparkan kesalahan persiapan tertentu.

Unduh bantuan persiapan Swift lengkap. File lengkap termasuk impor, hasil dan jenis kesalahan, dan penolong petunjuk DictationTranscriber yang dibahas di bawah ini. Ini adalah komponen pengaturan, bukan aplikasi perekaman lengkap.

@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 mengelola model sistem bersama. Sebuah model mungkin sudah diinstal oleh sistem atau aplikasi lain. Permintaan instalasi mengembalikan nil ketika tidak ada instalasi yang diperlukan; jika tidak, itu dapat memesan lokal dan memulai pengunduhan. Batas reservasi juga dapat menghasilkan kesalahan. Kelola reservasi di seluruh fitur aplikasi Anda, dan lepaskan lokal saat tidak lagi diperlukan daripada merilis model yang masih digunakan di tempat lain di aplikasi Anda.

Sebelum offline, siapkan lokal yang diperlukan dan verifikasi kesiapan. Aset model hidup di luar bundel aplikasi, tetapi masih menggunakan penyimpanan sistem dan dapat berubah seiring waktu. Tampilkan kemajuan unduhan dan pembatalan di UI host. “Pengenalan pada perangkat” tidak berarti “tidak ada persiapan atau akses jaringan yang diperlukan.”

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

Setelah mengaktifkan sesi audio, periksa format sebenarnya dari simpul input. Jangan membuat kode keras laju sampel karena perangkat atau rute sering menggunakan laju itu sebelumnya. Berikan format alami ke bestAvailableAudioFormat(compatibleWith:considering:) bila sesuai dan buka bungkus hasil opsionalnya. Apple mendokumentasikan bahwa penganalisa tidak secara transparan mengambil sampel ulang atau mengubah input.

AudioBufferConverter repositori mengembalikan penyangga yang sudah cocok tidak berubah dan menggunakan AVAudioConverter ketika format berbeda. Konversi diperlukan untuk format yang tidak cocok, bukan sebagai langkah ekstra selimut untuk setiap penyangga. Periksa panjang bingkai keluaran dan laporkan kesalahan konversi; secara diam-diam menjatuhkan setiap penyangga yang gagal dapat membuat UI rekaman tampak sehat saat tidak menghasilkan teks.

Berikan audio yang diantre kebijakan kepemilikan yang eksplisit. Konverter sampel yang diperbarui mengembalikan penyimpanan PCM independen bahkan ketika format sudah cocok, sehingga penggunaan kembali input nanti tidak menimpa audio yang diantri. Penyangga yang disediakan oleh panggilan balik audio tidak boleh diasumsikan tetap tidak dapat diubah setelah panggilan balik kembali. Jika Anda mengantri untuk digunakan nanti, atur salinan milik yang sesuai atau jalur pipa yang masa pakai penyangganya dikontrol. Jauhkan mutasi UI per-buffer dari panggilan balik audio. Untuk produksi, tentukan juga bagaimana Anda mengikat pekerjaan yang diantri dan menangani kelebihan beban atau perubahan rute.

Dalam Swift 6, menangkap variabel lokal tidak dengan sendirinya membuktikan bahwa jalur pipa aman untuk utas. Konverter sampel saat ini memiliki kontrak utas pemrosesan tunggal dan pemegang @unchecked Sendable yang dilindungi kunci pribadi untuk satu panggilan balik konverter. Itu tidak membuat semua penyangga PCM atau konverter umumnya aman untuk dibagikan di seluruh utas. Baca kontrak itu sebelum mengadaptasi sampel.

Tidak akurat untuk mengatakan bahwa Pidato baru API tidak memiliki dukungan kosakata kontekstual. Dokumen Apple AnalysisContext.contextualStrings untuk DictationTranscriber. Dokumentasi merekomendasikan frasa singkat dan paling banyak frasa 100 di seluruh tag. Itu bukan janji bahwa petunjuk yang sama menyesuaikan SpeechTranscriber.

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

setContext(_:) menggantikan konteks saat ini, jadi pertahankan atau gabungkan konteks aplikasi yang ada saat dibutuhkan. Pembantu yang dapat diunduh menolak lebih dari frasa 100 alih-alih memotongnya secara diam-diam. Petunjuk frasa berbeda dari opsi model bahasa yang disesuaikan juga didokumentasikan untuk DictationTranscriber, dan tidak ada jaminan pengenalan yang benar dari setiap nama. Pilih dan uji modul dan bahasa yang dibutuhkan oleh aplikasi Anda.

Untuk diagnostik, mulailah dengan pengaturan waktu tahap, jumlah bingkai, lokal, dan informasi kesalahan. Rekaman mentah dan teks yang dikenali tidak diperlukan untuk setiap entri log. Jika pengguna membagikan reproduksi, mintalah frasa uji singkat yang tidak sensitif dan konfigurasi yang relevan daripada percakapan pribadi.