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
Русский язык
Есть
Запуск
Через свой серверРаботает и без видеокарты
Сферы
Поддержка клиентов, Медиа и продакшн, Документы и бухгалтерия
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

  1. Streaming ru 0.56
  2. vosk-model-ru-0.54 (Zipformer2)
  3. Vosk TTS на StableTTS
  4. Vosk TTS ru multi
  5. Small Streaming (Zipformer)
  6. vosk-model-ru-0.42

Как запустить

На своём сервереВеса скачиваются с Hugging Face, запуск — через vLLM (нагрузка и API) или llama.cpp (скромное железо). Так модель работает в закрытом контуре, без оплаты за запросы.Hugging Face
Сколько нужно железаПосчитайте видеопамять под нужный размер модели, контекст и число одновременных запросов.Открыть калькулятор железа

Ставлю и настраиваю под ключ: подберу размер модели, разверну на вашем сервере, подключу к вашим системам.

Частые вопросы

Можно ли использовать Vosk (русские модели) в коммерческом проекте?

Да. Лицензия: Apache 2.0. Это разрешает коммерческое использование, но перед запуском лицензию всё равно стоит показать юристу.

Какое железо нужно для Vosk (русские модели)?

Минимум: Ноутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии. Есть версии, которые работают и без видеокарты, на обычном процессоре. Точный объём видеопамяти под ваш размер модели и контекст можно посчитать в калькуляторе железа.

Поддерживает ли Vosk (русские модели) русский язык?

Да, русский язык заявлен в карточке модели.

Где скачать Vosk (русские модели) и сколько это стоит?

Веса Vosk (русские модели) лежат в открытом доступе и скачиваются бесплатно. Платить нужно только за железо, на котором модель работает, и за настройку. Ссылки на первоисточник — в конце страницы.

Как внедряю у заказчика

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

Сравнения

Статьи по теме

Похожие модели

Речь в текстGigaAMСбер · РоссияМожно в коммерцию

Модели Сбера для распознавания русской речи, одни из самых точных для русского языка. Есть распознавание эмоций, версия v3 с пунктуацией и многоязычная версия (русский, казахский, киргизский, узбекский).

ПодробнееРечь в текстT-oneТ-Банк · РоссияМожно в коммерцию

Компактная потоковая модель Т-Банка для распознавания русской речи в телефонных разговорах. Работает в реальном времени даже без видеокарты.

ПодробнееРечь в текстWhisperOpenAI · СШАМожно в коммерцию

Распознавание речи на 99 языках, включая русский. Стандарт де-факто для расшифровки звонков и встреч. Ускоренные Distil-Whisper от Hugging Face — только для английского.

Подробнее

Источник: huggingface.co/alphacep/vosk-model-streaming-ru. Данные сверены с карточкой модели 22.09.2026. Лицензию перед коммерческим запуском проверьте с юристом.