iOS 26 SpeechAnalyzer Canlı Mikrofon: Kurulum, Sonuçlar ve Sorun Giderme

SpeechTranscriber çalışma zamanı aygıtı ve yerel kontrolleri sağlar. Tek başına bir iOS sürüm kontrolü yetersizdir. Aşağıdaki yardımcı yapılandırılmış bir transkripsiyon, analizör ve ses biçimi döndürür veya belirli bir hazırlık hatası verir.

Tam Swift hazırlık yardımcısını indirin. Tam dosya içe aktarmaları, sonuç ve hata türlerini ve aşağıda tartışılan DictationTranscriber ipucu yardımcısını içerir. Bu, eksiksiz bir kayıt uygulaması değil, bir kurulum bileşenidir.

@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 paylaşılan sistem modellerini yönetir. Bir model zaten sistem veya başka bir uygulama tarafından yüklenmiş olabilir. Bir kurulum isteği kurulum gerekmediğinde nil döndürür; aksi takdirde yerel ayarı rezerve edebilir ve bir indirme başlatabilir. Rezervasyon limitleri de bir hataya neden olabilir. Uygulamanızın özelliklerinde rezervasyonları yönetin ve uygulamanızın başka bir yerinde hala kullanımda olan bir modeli yayınlamak yerine artık ihtiyaç duyulmadığında bir yerel ayar bırakın.

Çevrimdışı olmadan önce gerekli konumu hazırlayın ve hazır olduğunuzu doğrulayın. Model varlıklar uygulama paketinin dışında yaşar, ancak yine de sistem depolama alanını tüketir ve zaman içinde değişebilir. Ana bilgisayar kullanıcı arayüzünde indirme ilerlemesini ve iptalini göster. "Cihaz içi tanıma", "hazırlık veya ağ erişimine gerek olmadığı" anlamına gelmez.

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

Ses oturumunu etkinleştirdikten sonra, giriş düğümünün gerçek biçimini inceleyin. Bir örnekleme hızını sabit olarak kodlamayın, çünkü bir cihaz veya rota daha önce sıklıkla bu oranı kullandı. Uygun olduğunda bestAvailableAudioFormat(compatibleWith:considering:)'a doğal bir format iletin ve isteğe bağlı sonucunu açın. Apple, analizörün girdiyi şeffaf bir şekilde yeniden örneklemediğini veya dönüştürmediğini belgeler.

Deponun AudioBufferConverter'i, zaten eşleşen bir arabellek değişmeden döndürür ve biçimler farklı olduğunda AVAudioConverter'i kullanır. Her arabellek için genel bir ekstra adım olarak değil, uyumsuz formatlar için dönüşüm gereklidir. Çıktı kare uzunluğunu kontrol edin ve dönüşüm hatalarını bildirin; başarısız olan her arabellek sessizce düşürmek, bir kayıt kullanıcı arayüzünün metin üretmeden sağlıklı görünmesini sağlayabilir.

Kuyruklu sese açık bir sahiplik politikası verin. Güncellenmiş örnek dönüştürücü, formatlar zaten eşleşse bile bağımsız PCM depolama alanı döndürür, bu nedenle girdinin daha sonra yeniden kullanılması sıradaki sesin üzerine yazmaz. Bir sesli geri arama tarafından sağlanan bir arabellek, geri arama geri döndükten sonra değişmez kaldığı varsayılmamalıdır. Daha sonra kullanmak üzere sıraya girerseniz, uygun bir kopya veya tampon ömrü kontrol edilen bir boru hattı düzenleyin. Arabellek başına kullanıcı arayüzü mutasyonlarını sesli geri aramadan uzak tutun. Üretim için, sıraya koyan işi nasıl bağladığınıza da karar verin ve aşırı yük veya rota değişikliklerini ele alın.

Swift 6'de, yerel değişkenleri yakalamak tek başına bir boru hattının iş parçacığı güvenli olduğunu kanıtlamaz. Mevcut numunenin dönüştürücüsü, tek işlem iş parçacığı sözleşmesine ve bir dönüştürücü geri araması için özel kilit korumalı bir @unchecked Sendable tutucusuna sahiptir. Tüm PCM tamponlarını veya dönüştürücüyü iş parçacıkları arasında paylaşmak için genellikle güvenli hale getirmez. Örneği uyarlamadan önce bu sözleşmeyi okuyun.

Yeni Speech API için bağlamsal sözcük desteği bulunmadığını söylemek doğru değildir. Apple, DictationTranscriber için AnalysisContext.contextualStrings desteğini belgeliyor. Belgelerde kısa ifadeler ve tüm etiketler genelinde en fazla 100 ifade öneriliyor. Bu, aynı ipuçlarının SpeechTranscriber özelleştirmesinde de kullanılabileceği anlamına gelmez.

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

setContext(_:) mevcut bağlamın yerini alır, bu nedenle gerektiğinde mevcut herhangi bir uygulama bağlamını koruyun veya birleştirin. İndirilebilir yardımcı, 100 ifadelerinden daha fazlasını sessizce kesmek yerine reddeder. İfade ipuçları, DictationTranscriber için de belgelenen özelleştirilmiş dil modeli seçeneğinden farklıdır ve ikisi de her ismin doğru tanınmasını garanti etmez. Uygulamanızın ihtiyaç duyduğu modülü ve dili seçin ve test edin.

Tanılamalar için aşama zamanlamaları, kare sayıları, yerel ve hata bilgileri ile başlayın. Her günlük girişi için ham kayıtlar ve tanınan metin gerekli değildir. Bir kullanıcı bir reprodüksiyonu paylaşıyorsa, özel bir konuşma yerine kısa bir hassas olmayan test ifadesi ve ilgili yapılandırma isteyin.