语音转文字

Edge Kit 暴露了用于本地转写的开发者预览版语音转文字 API。

使用 EdgeVoice 进行麦克风录音。对于包含语音运行时的构建，使用 EdgeInference 中的 STTEngine 做原生 ASR。WhisperEngine 目前只是未来 whisper.cpp integration 的 预览桥接；在 edge-kit@1.0.0-rc97 中它仍是 skeleton，不执行真实转写。

录制音频

import EdgeVoice

let recorder = AudioRecorder()
let recordingURL = try await recorder.startRecording()

// Later, for example after the user taps Stop:
let finalURL = recorder.stopRecording() ?? recordingURL

使用原生 STT 转写音频文件

import EdgeInference

let engine = STTEngine()
let modelURL = URL(fileURLWithPath: "/path/to/asr-model")

try await engine.loadLocal(directory: modelURL)
let result = try await engine.transcribe(audioURL: finalURL)

print(result.text)

流式原生转写

transcribeStream(audioURL:language:) 返回 STTStreamEvent 值。

for try await event in engine.transcribeStream(audioURL: finalURL) {
    switch event {
    case .token(let text):
        print(text, terminator: "")
    case .result(let result):
        print("\nFinal:", result.text)
    default:
        break
    }
}

Whisper 预览桥接

WhisperEngine 仍保留在 EdgeVoice 中，作为计划嵌入 whisper.cpp xcframework 的 App 的 预览桥接。当前预览版 tag 中，load(_:) 只会把 skeleton 标为已加载，transcribe(audioURL:language:) 返回 placeholder 字符串，startRealtime(language:) 会立即结束。

在 App 提供真实 Whisper binding 之前，请使用 STTEngine 作为可运行的原生 ASR 示例。

支持的音频

使用由 AudioRecorder 录制的文件 URL，或使用你的 app 准备好的 WAV/PCM 数据。请在你支持的设备上验证采样率转换。

API 概览

Method	作用
STTEngine()	创建原生语音转文字 engine。
loadLocal(directory:)	加载本地 ASR 模型目录。
transcribe(audioURL:)	转写音频文件。
transcribe(samples:sampleRate:)	转写 PCM 采样。
transcribeStream(audioURL:)	流式返回转写事件。
AudioRecorder()	从麦克风录音。

完整签名 → EdgeInference API Reference 与 EdgeVoice API Reference

下一步

• 语音助手示例 — ASR → LLM → TTS 管线。
• 文字转语音 — 补全语音闭环。