一通客服电话进来，系统先要把人声转成文字，再判断该转给哪个部门。过去，这两步都能丢给通用大模型，但未必划算。Hugging Face 博客介绍的 AnySpeechRecognizer 和 AnyDecisionModel，分别补上语音输入与固定任务决策，让相关处理直接在 Apple 设备上完成，减少网络依赖，也让原始数据少离开设备。
AnySpeechRecognizer 最实用的一点，是沿用 Apple 新语音转文字接口的使用方式。开发者可以保留熟悉的代码结构，换用本地运行的 NVIDIA Parakeet 或 Alibaba Qwen3-ASR；前者覆盖 25 种欧洲语言，后者覆盖 30 种语言和 22 种中文方言。它还支持说话人分离，也就是标出“谁在什么时候说话”。AnyDecisionModel 则处理是非题、多选题和评分题：它不生成一段文字，而是直接读取模型给各选项的概率，返回带类型的答案和概率。说白了，客服分流这类边界清楚的任务，不必每次都请通用大模型写作文。两套组件都能从 Hugging Face Hub 下载开放模型并在设备上运行；具体修改和商用权限仍取决于各模型许可证。