iOS 26 SpeechAnalyzer Live Mic: Configuração, Resultados e Solução de Problemas

SpeechTranscriber fornece verificações de dispositivos de tempo de execução e de localidade. Uma verificação de versão iOS por si só é insuficiente. O auxiliar a seguir retorna um transcritor, analisador e formato de áudio configurados ou lança um erro de preparação específico.

Baixe o auxiliar de preparação completo do Swift. O arquivo completo inclui importações, tipos de resultados e erros, e o ajudante de dicas do DictationTranscriber discutido abaixo. Este é um componente de configuração, não um aplicativo de gravação completo.

@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 gerencia modelos de sistema compartilhados. Um modelo já pode estar instalado pelo sistema ou outro aplicativo. Uma solicitação de instalação retorna nil quando nenhuma instalação é necessária; caso contrário, ele pode reservar a localidade e iniciar um download. Os limites de reserva também podem produzir um erro. Gerencie reservas em todos os recursos do seu aplicativo e libere uma localidade quando não for mais necessária, em vez de lançar um modelo ainda em uso em outro lugar do seu aplicativo.

Antes de ficar offline, prepare a localidade necessária e verifique a prontidão. Os ativos do modelo vivem fora do pacote de aplicativos, mas ainda consomem armazenamento no sistema e podem mudar ao longo do tempo. Mostrar o progresso e o cancelamento do download na interface do usuário do host. “Reconhecimento no dispositivo” não significa “nenhuma preparação ou acesso à rede é necessário”.

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

Depois de ativar a sessão de áudio, inspecione o formato real do nó de entrada. Não codifique uma taxa de amostragem porque um dispositivo ou rota frequentemente usava essa taxa antes. Passe um formato natural para bestAvailableAudioFormat(compatibleWith:considering:) quando apropriado e desembrulhe seu resultado opcional. Apple documenta que o analisador não reamostra ou converte a entrada de forma transparente.

O AudioBufferConverter do repositório retorna um buffer já correspondente inalterado e usa AVAudioConverter quando os formatos diferem. A conversão é necessária para formatos incompatíveis, não como uma etapa extra geral para cada buffer. Verifique o comprimento do quadro de saída e relate erros de conversão; deixar cair silenciosamente cada buffer com falha pode fazer com que uma interface do usuário de gravação pareça saudável enquanto não produz texto.

Dê ao áudio na fila uma política de propriedade explícita. O conversor de amostra atualizado retorna o armazenamento PCM independente mesmo quando os formatos já correspondem, para que a reutilização posterior da entrada não substitua o áudio na fila. Um buffer fornecido por um retorno de chamada de áudio não deve ser assumido como permanecendo imutável após o retorno de chamada. Se você enfileirá-lo para uso posterior, organize uma cópia de propriedade adequada ou um pipeline cuja vida útil do buffer seja controlada. Mantenha as mutações da interface do usuário por buffer fora do retorno de chamada de áudio. Para a produção, decida também como você amarra o trabalho em fila e lida com sobrecarga ou alterações de rota.

Em Swift 6, capturar variáveis locais não prova por si só que um pipeline é seguro para threads. O conversor da amostra atual tem um contrato de thread de processamento único e um suporte @unchecked Sendable protegido por bloqueio privado para um retorno de chamada do conversor. Isso não torna todos os buffers PCM ou o conversor geralmente seguros para compartilhar entre threads. Leia esse contrato antes de adaptar a amostra.

É impreciso dizer que o novo Discurso API não tem suporte de vocabulário contextual. Documentos Apple AnalysisContext.contextualStrings para DictationTranscriber. A documentação recomenda frases breves e, no máximo, frases 100 em todas as tags. Isso não é uma promessa de que as mesmas dicas personalizem SpeechTranscriber.

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

setContext(_:) substitui o contexto atual, portanto, preserve ou mescle qualquer contexto de aplicativo existente quando necessário. O ajudante para download rejeita mais do que frases 100 em vez de truncá-las silenciosamente. As dicas de frase são distintas da opção de modelo de idioma personalizada também documentada para o DictationTranscriber, e nenhuma garante o reconhecimento correto de cada nome. Escolha e teste o módulo e o idioma necessários para o seu aplicativo.

Para diagnósticos, comece com os tempos de estágio, contagens de quadros, local e informações de erro. Gravações brutas e texto reconhecido não são necessários para todas as entradas de log. Se um usuário compartilhar uma reprodução, peça uma frase de teste curta e não sensível e a configuração relevante em vez de uma conversa privada.