Речь в текстСинтез речи

Vosk (русские модели)

Офлайн-распознавание русской речи, которое работает даже на Raspberry Pi и телефоне, без интернета. Есть потоковые модели для живого звука и простой русский синтез речи Vosk TTS.

Разработчик: Alpha Cephei, Россия
Первый выпуск: фев 2023
Последний выпуск: сен 2025
Размеры: около 45 МБ – 1,8 ГБ
Лицензия: Можно в коммерциюApache 2.0

Поставить на свой сервер Hugging Face GitHub

Какие задачи решает

Расшифровка звонков и записей на русском без облака
Голосовое управление в приложениях и киосках
Распознавание речи в потоке с малой задержкой
Простая озвучка текста на русском

Где применяется

Колл-центрыВстраиваемые устройства и киоскиМобильные приложенияПредприятия с закрытым контуром

Требования к железу

НоутбукНоутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии

подходит

1 видеокартаОдна видеокарта на 16–80 ГБ — средние версии

нет версий

КластерСервер с несколькими видеокартами — флагманские версии

нет версий

Версии

сен 2025Streaming ru 0.56
апр 2025vosk-model-ru-0.54 (Zipformer2)
янв 2025Vosk TTS на StableTTS
ноя 2023Vosk TTS ru multi
сен 2023Small Streaming (Zipformer)
фев 2023vosk-model-ru-0.42

Как внедряю у заказчика

ПодборВыбираю размер модели под задачу и ваше железо, проверяю на ваших примерах.
УстановкаРазворачиваю на вашем сервере или в закрытом контуре, отдаю API.
ДообучениеДообучаю на ваших данных (LoRA) или подключаю базу знаний — что дешевле для задачи.
ВстраиваниеПодключаю к CRM, 1С, боту, сайту или рабочему чату, настраиваю мониторинг.

Какие задачи решает

Где применяется

Требования к железу

Версии

Как внедряю у заказчика

Похожие модели