面向 iOS 和 macOS 的设备端 AI 模型

即插即用的 Swift 包，在 iOS 和 macOS 上通过 Core ML 运行小而专用的设备端模型，只需几行代码。

每一个已上线的 Desert Ant Labs 模型都以 Swift 包的形式提供，基于 Core ML 构建，全程 async/await，API 读起来就像 AVFoundation 的一部分。

在 Xcode 里添加这个包，然后调用模型。一切都在设备上运行，音频、图像和文本都不会离开设备。

可用模型

跨 27 种语言的可逆 PII 脱敏，来自一个内置于应用中的 11.6 MB Core ML 模型。

从文本给出表情符号建议，用时不到 2 毫秒，小到足以在每次按键时运行。

从任意文本中提取内容主题，覆盖 101 种语言，来自约 74 MB 的 Core ML 模型，或约 15 MB 的纯英文构建。

一次调用即可实现 PencilKit 形状吸附，来自一个 0.2 MB 的 Core ML 模型，无需下载。

基于 Core ML 的 DeepFilterNet 3 语音增强：在 iPhone 16 Pro 上 302 倍实时，一段 5 分钟素材 1 秒完成。

直接从波形出发的帧级精度语气词检测，无需转写。

对短文本进行语言识别，覆盖 84 种语言，来自打包进应用的 2 MB 模型。

设备端 NSFW 图片审核，来自一个 9.7 MB 的 Core ML 模型，这项检查在上传离开手机之前就完成。

为任意转写文本提供更贴合的逐词时间，误差减半，来自一个 0.7 MB 的 Core ML 模型。先支持 Apple Speech。

从转写文本生成短视频和高光并排序，基于 Core ML，25 分钟视频 9 秒完成。

基于 Core ML，凭 30 秒音频识别 99 种语言的口语。

为任意文本给出标题和一两句话的描述，在 Apple 芯片上通过 MLX 运行。

带逐词时间戳的语音转文字，25 种语言，完全在神经网络引擎上：在 iPhone 上 10 分钟音频 2 秒完成。

带类型的 JSON，不用校验层。

给图片打标签、排名次。

一场访谈，拿回来就能剪。

按人搜索，不用服务器。