AnySpeechRecognizer, Apple'ın yeni SpeechAnalyzer API'sini aynen taklit ederek NVIDIA Parakeet ve Alibaba Qwen3-ASR gibi açık modelleri Core ML üzerinde yerel çalıştırıyor.
Paket, Apple'ın framework'ünde olmayan konuşmacı diyarizasyonu (speaker diarization) için NVIDIA Sortformer modelini de entegre ediyor; bu sayede dört konuşmacıya kadar eşzamanlı konuşmaları ayırt edip zaman damgalı transkripsiyon üretilebiliyor.
Modeller Hugging Face Hub'dan talep üzerine indiriliyor; Parakeet için yaklaşık 600 MB, Qwen3-ASR için 0.9–2.4 GB, Sortformer için 250 MB önbellek alanı gerekiyor.