swift-voice-input

iOS / macOS 向けの音声入力 Swift パッケージ。プロトコル指向の設計により、Apple Speech をはじめとする複数の音声認識バックエンドを差し込み可能にする。

特徴

• プロトコル指向 — SpeechRecognizer プロトコルで認識エンジンを抽象化。Apple Speech、Whisper、ローカル LLM 等を差し込み可能
• リアルタイムストリーミング — AsyncStream で部分結果を逐次配信。partialText でリアルタイム表示
• フローティングプレビュー — Aqua Voice 風のオーバーレイで、入力フィールド上部に認識テキストをリアルタイム表示
• DesignSystem 準拠 — swift-design-system のトークン体系に完全準拠した UI コンポーネント
• 2ターゲット構成 — VoiceInput（Core）と VoiceInputUI（SwiftUI）を分離。UI 不要な場合は Core のみ依存可能
• Swift Concurrency — Actor ベースの音声エンジン、@Observable の状態管理で安全な並行処理

インストール

Package.swift に依存を追加:

dependencies: [
    .package(url: "https://github.com/no-problem-dev/swift-voice-input.git", .upToNextMajor(from: "1.0.0")),
]

ターゲットに追加:

// Core のみ（UI 不要な場合）
.product(name: "VoiceInput", package: "swift-voice-input"),

// Core + SwiftUI コンポーネント
.product(name: "VoiceInputUI", package: "swift-voice-input"),

クイックスタート

基本的な使い方

import VoiceInput
import VoiceInputUI

struct MyView: View {
    @State private var session = VoiceInputSession()
    @State private var text = ""

    var body: some View {
        VStack {
            TextField("入力...", text: $text)

            VoiceInputButton(session: session)
        }
        .voiceInputOverlay(session: session) { transcript in
            text = transcript
        }
    }
}

カスタム認識エンジンの差し込み

SpeechRecognizer プロトコルに準拠した Actor を実装:

actor WhisperRecognizer: SpeechRecognizer {
    let displayName = "Whisper"
    var isAvailable: Bool { true }

    func requestPermissions() async -> Result<Void, SpeechRecognitionError> {
        // マイク権限のリクエスト
    }

    func start(locale: Locale) throws -> AsyncStream<SpeechRecognitionResult> {
        // Whisper モデルによる認識開始
    }

    func stop() {
        // 認識停止
    }
}

// 使用時に差し込み
@State private var session = VoiceInputSession(
    recognizer: WhisperRecognizer()
)

セッション API

let session = VoiceInputSession()

session.toggle()           // 開始/停止のトグル
session.startListening()   // 開始
session.stopListening()    // 停止

session.state              // .idle, .listening, .processing, .error
session.partialText        // リアルタイムの部分テキスト
session.transcript         // 確定テキスト

let text = session.confirm() // テキスト確定 + リセット
session.reset()              // リセット

アーキテクチャ

VoiceInput (Core)
├── Protocol/
│   ├── SpeechRecognizer         # 認識エンジン抽象化プロトコル (Actor)
│   ├── SpeechRecognitionResult  # .partial / .final 結果型
│   └── SpeechRecognitionError   # エラー型
├── Engine/
│   ├── AppleSpeechRecognizer    # Apple Speech デフォルト実装
│   └── PermissionRequester      # マイク・音声認識権限
└── Session/
    └── VoiceInputSession        # @Observable 状態管理

VoiceInputUI (SwiftUI + DesignSystem)
├── Button/
│   ├── VoiceInputButton         # マイクトグルボタン
│   └── WaveformIndicator        # 波形アニメーション
└── Overlay/
    ├── FloatingTranscriptOverlay # フローティングプレビュー
    └── TranscriptOverlayModifier # .voiceInputOverlay() modifier

要件

ライセンス

MIT License - 詳細は LICENSE を参照。

リンク

• Issues