Se pensavate che il mondo del riconoscimento vocale fosse ormai una questione di ‘chi ha il modello più pesante su un server in California’, preparatevi a riconsiderare le vostre certezze.
Apple ha appena tirato fuori SpeechAnalyzer, una nuova API che punta tutto sull’efficienza dell’Apple Silicon. Non è la solita mossa di marketing per far sentire i vostri Mac un po’ meno simili a dei costosi fermaporta; qui stiamo parlando di un confronto diretto con i pesi massimi del settore, come il mitico Whisper di OpenAI. I dati del benchmark, basati su oltre 5.500 campioni di LibriSpeech, mostrano che la nuova tecnologia della mela non scherza affatto quando gira su hardware nativo.
Andiamo al sodo: cosa significa in pratica? Se siete dei maker o degli sviluppatori che girano su Linux o che amano la flessibilità del software open source, potreste trovarvi un po’ spaesati. SpeechAnalyzer è una bomba di prestazioni se lavorate nell’ecosistema Apple, ma è una bomba che esplode solo dentro il recinto di Cupertino. I test mettono a confronto la nuova API con il vecchio SFSpeechRecognizer e con le varie versioni di Whisper (da tiny a small). Il risultato? Una precisione che fa paura, specialmente se ottimizzata per l’architettura ARM dei chip M-series.
C’è una parte di me che vuole fare l’entusiasta e dire: ‘Sì, finalmente un’alternativa performante che gira localmente senza friggere la CPU’. Ed è vero, l’idea di avere un trascritore ultra-preciso che non deve mandare i tuoi dati in un cloud sperando che nessuno li legga è fantastica. La privacy, dopotutto, non è un optional per chi sa come funziona un file di sistema.
Però, restiamo con i piedi per terra. Mentre noi qui in Italia ci chiediamo spesso se queste tecnologie abbiano un senso reale per i nostri progetti (o se siano solo l’ennesimo modo per chiudere i cerchi intorno ai nostri workflow), il problema resta lo stesso: l’ecosistema chiuso. È tutto bellissimo finché non ti rendi conto che per usare il meglio del meglio devi accettare le regole del gioco della mela morsicata. Se il tuo progetto vive di automazioni cross-platform e libertà di deployment, SpeechAnalyzer è un giocattolo bellissimo, ma che rimane chiuso nella sua scatola di vetro.
In sintesi: se state sviluppando una nuova app per macOS o iOS e volete prestazioni da urlo senza latenza, Apple ha appena alzato l’asticella. Se invece siete della vecchia guardia che vive di modelli open e portabilità estrema, preparatevi a guardare la nuova tecnologia con quel misto di ammirazione e sospetto che ci contraddistingue. Il benchmark è pubblico e i dati grezzi sono disponibili per chi vuole fare i conti in tasca ai big. Buon debugging!
Source: Apple's new SpeechAnalyzer API, benchmarked against Whisper and its predecessor