Что это такое?
Vosk — это офлайн-инструмент распознавания речи с открытым исходным кодом, который переводит речь в текст более чем на 20 языках и диалектах. Он работает полностью на устройстве и не требует подключения к интернету.
Vosk — это офлайн-инструмент распознавания речи с открытым исходным кодом, который переводит речь в текст более чем на 20 языках и диалектах. Он работает полностью на устройстве и не требует подключения к интернету.Это готовое приложение или библиотека, которую можно подключить к своему проекту?Это библиотека для распознавания речи с биндингами для нескольких языков программирования. Её задача — встраиваться в ваш чат-бот, приложение или конвейер транскрибации, а не работать как самостоятельное приложение.
Это библиотека для распознавания речи с биндингами для нескольких языков программирования. Её задача — встраиваться в ваш чат-бот, приложение или конвейер транскрибации, а не работать как самостоятельное приложение.Как добавить Vosk в свой проект?Выберите биндинг для своего языка (Python, Java, Node.JS, C#, C++, Rust, Go и др.), скачайте одну из небольших языковых моделей и далее следуйте инструкциям по установке на сайте Vosk.
Выберите биндинг для своего языка (Python, Java, Node.JS, C#, C++, Rust, Go и др.), скачайте одну из небольших языковых моделей и далее следуйте инструкциям по установке на сайте Vosk.Какие языки программирования и биндинги поддерживаются?Официальные биндинги есть для Python, Java, Node.JS, C#, C++, Rust и Go, а также для других языков. Модели доступны для более чем 20 разговорных языков, включая английский, немецкий, французский, китайский, русский и арабский.
Официальные биндинги есть для Python, Java, Node.JS, C#, C++, Rust и Go, а также для других языков. Модели доступны для более чем 20 разговорных языков, включая английский, немецкий, французский, китайский, русский и арабский.Какого размера модели и с чем они справляются?Модели компактные, около 50 МБ, но при этом поддерживают непрерывную транскрибацию с большим словарём через потоковый API без задержки и с настраиваемым словарём.
Модели компактные, около 50 МБ, но при этом поддерживают непрерывную транскрибацию с большим словарём через потоковый API без задержки и с настраиваемым словарём.Работает ли это только на серверах или можно запустить на чём-то вроде Raspberry Pi?Vosk рассчитан на масштабирование: от маленьких устройств, таких как Raspberry Pi или Android-телефон, до больших серверных кластеров.
Vosk рассчитан на масштабирование: от маленьких устройств, таких как Raspberry Pi или Android-телефон, до больших серверных кластеров.Для каких платформ он предназначен?Vosk явно поддерживает Android, iOS, Raspberry Pi и обычные серверы, а биндинги доступны для Python, Java, C# и Node.JS.
Vosk явно поддерживает Android, iOS, Raspberry Pi и обычные серверы, а биндинги доступны для Python, Java, C# и Node.JS.Мои аудиоданные покидают устройство?Нет, Vosk работает полностью офлайн: аудио обрабатывается локально и никуда не отправляется на сервер, поэтому его относят к решениям, бережно относящимся к приватности.
Нет, Vosk работает полностью офлайн: аудио обрабатывается локально и никуда не отправляется на сервер, поэтому его относят к решениям, бережно относящимся к приватности.Сколько языков поддерживает Vosk?Сейчас Vosk охватывает более 20 языков и диалектов, включая английский, индийский английский, немецкий, французский, испанский, китайский, русский, арабский, японский и хинди, и список продолжает расширяться.
Сейчас Vosk охватывает более 20 языков и диалектов, включая английский, индийский английский, немецкий, французский, испанский, китайский, русский, арабский, японский и хинди, и список продолжает расширяться.Какая дополнительная функция есть у Vosk, помимо транскрибации?В Vosk есть идентификация говорящего: он может определить, кто говорит, в дополнение к распознаванию того, что было сказано.
В Vosk есть идентификация говорящего: он может определить, кто говорит, в дополнение к распознаванию того, что было сказано.Что можно реально создать с помощью Vosk?В README перечислены чат-боты, умная бытовая техника и виртуальные ассистенты, а также генерация субтитров к фильмам и расшифровка лекций и интервью.
В README перечислены чат-боты, умная бытовая техника и виртуальные ассистенты, а также генерация субтитров к фильмам и расшифровка лекций и интервью.What are similar projects?DeepSpeech, sherpa-onnx, moonshine, kaldi, speechbrain, yapsnap, jot-gemini-transcribe-macOS, supertonic
DeepSpeech, sherpa-onnx, moonshine, kaldi, speechbrain, yapsnap, jot-gemini-transcribe-macOS, supertonicWhich topics is it in?stt, voice-recognition, deep-neural-networks, asr, transcription, c-sharp, subtitles, jupyter-notebook, speech-to-text, speech-recognition, raspberry-pi, embedded
stt, voice-recognition, deep-neural-networks, asr, transcription, c-sharp, subtitles, jupyter-notebook, speech-to-text, speech-recognition, raspberry-pi, embedded