Apple、音声認識 API「SpeechAnalyzer」を公開──Whisper Small を上回る精度と推論速度を実現
iOS 26 / macOS 26 で刷新された Apple 純正のオンデバイス音声認識エンジンは、Whisper Small と比較して WER を低減しつつ約 3 倍の高速化を達成した。
リリース: 2026-07-13 · 読了 4 分記事の要約
1. 核心（What）
- Apple は iOS 26 および macOS 26 にて、従来の SFSpeechRecognizer を置き換える SpeechAnalyzer API を導入した。
- LibriSpeech ベンチマークにおいて、SpeechAnalyzer は Whisper Small よりも低い WER を記録した。
- Apple シリコン上での推論速度は Whisper Small に対して約 3 倍高速に動作する。
- 本ベンチマークは、Apple シリコン上で WhisperKit を介して実行される Whisper モデルとの直接比較によって算出された。
2. 影響（Why）
- オンデバイス認識の基準刷新: これまで Whisper が担っていた「高精度なオンデバイス認識」というポジションが、OS 標準 API に移管された。精度と速度のトレードオフが解消されたことで、実装上の迷いが排除される。
- 国内開発者への影響: 国内のモバイルアプリ開発者や音声解析を行う事業者は、Apple シリコンの性能を活かした低遅延な文字起こしを OS 標準機能で実現可能となり、自前で Whisper モデルを管理するコストを削減できる。
3. 根拠・詳細（How）
- 検証手法と環境: Apple M2 Pro (32GB, macOS 26.5.1) 上で実行。LibriSpeech の test-clean (2,620 件) および test-other (2,939 件) を使用し、WhisperKit による CoreML 量子化モデルとの比較を実施した。
- 正規化パイプライン: OpenAI の英語正規化手法に準拠し、句読点、大文字小文字、数字のスペルアウトを統一して評価。これにより、フォーマットの差異による WER の不当な悪化を排除した。
4. 展望・課題（Next）
- 多言語対応と精度評価: SpeechTranscriber は約 30 言語をサポートするが、本検証は英語のみ。今後は多言語対応の精度およびマルチスピーカー環境での実用性検証が課題となる。