Программы для распознавания голоса и перевода его в текст для Windows устанавливаемые локально(работающие без Интернет)

Описание товара

Добрый день. Подскажите какую либо программу, возможно модель ИИ которая бы слушала голос человека с использованием микрофона на Windows 10/11 и переводила его в текст. Требуется именно локально установленная программа, способная работать без подключения к Интернет.

Добрый день! Для оффлайн-распознавания речи на Windows 10/11 вам подойдут следующие варианты:

1. Vosk

Описание: Открытая оффлайн-библиотека для распознавания речи с поддержкой нескольких языков (включая русский).

Особенности:

Работает полностью без интернета.

Поддерживает Python, C++, C#, Java и другие языки.

Есть готовые модели для загрузки (разные по размеру и точности). Ссылки: Официальный сайт Vosk Готовые GUI-приложения на основе Vosk 2. Whisper от OpenAI (оффлайн-версии) Описание: Модель Whisper от OpenAI можно запускать локально через сторонние реализации. Особенности: Высокая точность, поддерживает множество языков. Требует мощного CPU или GPU для быстрой работы. Есть портированные версии для локального использования. Варианты: WhisperDesktop (GitHub) – GUI-приложение для Windows. whisper.cpp (GitHub) – облегчённая версия для CPU. 3. RHVoice + SpeechRecognition Описание: Комбинация синтезатора речи RHVoice и Python-библиотеки SpeechRecognition (с оффлайн-моделями). Особенности: Подходит для простых задач. Требует настройки. Ссылка: RHVoice 4. Windows Speech Recognition (встроенное) Описание: В Windows 10/11 есть встроенное распознавание речи, но оно требует интернета для точной работы. Однако можно попробовать настроить его в оффлайн-режиме: Откройте Панель управления → Специальные возможности → Распознавание речи. Обучите систему под ваш голос (улучшит точность). Используйте API через PowerShell или C#. Вывод Лучший баланс точности и простоты: WhisperDesktop или Vosk. Минимальные требования: Vosk (есть лёгкие модели). Максимальная точность: Whisper (но требует ресурсов). Если нужно готовое GUI-приложение, попробуйте WhisperDesktop или поищите обёртки для Vosk (например, Vosk-API-GUI). Расскажите о простом способе установке и использования Vosk на Windows 10/11. Установка и использование Vosk для распознавания речи на Windows 10/11 Vosk — это оффлайн-библиотека для распознавания речи с поддержкой русского и других языков. Вот простой способ установки и использования. 1. Установка Python Vosk работает на Python, поэтому сначала установите его: Скачайте Python с официального сайта. Запустите установщик, обязательно отметьте галочку Add Python to PATH. Нажмите Install Now и дождитесь завершения. Проверка установки: Откройте Командную строку (CMD) и введите: bash python --version Если видите версию (например, Python 3.11.5), значит, всё установлено правильно. 2. Установка Vosk Откройте CMD и введите: bash pip install vosk Также понадобятся дополнительные библиотеки для работы с микрофоном: bash pip install sounddevice pyaudio (Если pyaudio не ставится, попробуйте pip install pipwin, а затем pipwin install pyaudio.) 3. Загрузка модели для распознавания речи Vosk требует языковую модель. Для русского языка: Перейдите на страницу моделей Vosk. Скачайте модель для русского языка (например, vosk-model-small-ru-0.22). Распакуйте архив в удобную папку (например, C:\vosk-models\small-ru). 4. Простой скрипт для распознавания речи Создайте файл speech_recognition.py (например, в Блокноте) и вставьте этот код: python import vosk import sys import sounddevice as sd import queue import json # Укажите путь к модели model_path = "C:/vosk-models/small-ru" # Замените на свой путь! # Инициализация модели model = vosk.Model(model_path) samplerate = 16000 device = 1 # Номер микрофона (можно узнать через sd.query_devices()) q = queue.Queue() def callback(indata, frames, time, status): if status: print(status, file=sys.stderr) q.put(bytes(indata)) # Открываем поток с микрофона with sd.RawInputStream(samplerate=samplerate, blocksize=8000, device=device, dtype='int16', channels=1, callback=callback): print("Говорите... (для выхода нажмите Ctrl+C)") rec = vosk.KaldiRecognizer(model, samplerate) while True: data = q.get() if rec.AcceptWaveform(data): result = json.loads(rec.Result()) print("Текст:", result['text']) else: partial_result = json.loads(rec.PartialResult()) print("Частично:", partial_result['partial'], end='\r') Как запустить? Сохраните файл как speech_recognition.py. Откройте CMD в папке с файлом. Введите: bash python speech_recognition.py Говорите в микрофон – текст будет появляться в консоли. 5. Возможные проблемы и решения 1. Ошибка No module named 'vosk' Попробуйте переустановить Vosk: bash pip uninstall vosk pip install vosk 2. Ошибка с pyaudio Установите его через pipwin: bash pip install pipwin pipwin install pyaudio 3. Микрофон не определяется Проверьте номер устройства: python print(sd.query_devices()) # Выведет список устройств И замените device = 1 на нужный номер. 6. Альтернатива: готовые приложения на Vosk Если не хотите возиться с Python, попробуйте: Vosk-API-GUI – простой графический интерфейс. Speech-to-Text приложения на базе Vosk (есть примеры для C++, Java и др.). Итог Установили Python и Vosk. Скачали модель русского языка. Запустили простой скрипт для распознавания речи. Если нужен GUI – можно найти готовые решения. Теперь у вас есть оффлайн-распознавание речи на Windows! А существуют ли модели Olama которым может быть передан звуковой файл а на выходе получен текст из распознанной речи из переданного звукового файла. Да, Ollama (платформа для запуска LLM локально) не имеет встроенных моделей для распознавания речи, но вы можете использовать её в связке с Whisper или Vosk для расшифровки аудиофайлов. Вот как это сделать: 1. Вариант: Whisper через Ollama (косвенная интеграция) Ollama не поддерживает Whisper напрямую, но вы можете установить Whisper отдельно и передавать его вывод в Ollama для обработки текста. Установка Whisper (оффлайн-версия) Установите Python (официальный сайт). Установите Whisper: bash pip install openai-whisper Скачайте модель (например, base или small для баланса скорости и точности): bash whisper --model small (Модели автоматически загрузятся при первом запуске.) Расшифровка аудиофайла bash whisper "ваш_файл.mp3" --language Russian --model small Результат сохранится в .txt и .vtt. Передача текста в Ollama Можно отправить полученный текст в Ollama для обработки (например, суммаризации): bash ollama run llama3 "Обобщи текст: $(cat output.txt)" 2. Вариант: Vosk (полностью оффлайн) Если нужен 100% оффлайн-режим, используйте Vosk (как в предыдущем руководстве), но с чтением из файла. Установка Vosk bash pip install vosk soundfile Скрипт для расшифровки аудиофайла Создайте transcribe.py: python from vosk import Model, KaldiRecognizer import sys import os import wave import json # Укажите путь к модели (скачайте с https://alphacephei.com/vosk/models) model_path = "vosk-model-small-ru-0.22" if not os.path.exists(model_path): print(f"Модель {model_path} не найдена. Скачайте её с сайта Vosk.") sys.exit(1) # Загрузка модели model = Model(model_path) # Открываем аудиофайл (поддерживается WAV с частотой 16 kHz, моно) audio_file = "audio.wav" if not os.path.exists(audio_file): print(f"Файл {audio_file} не найден.") sys.exit(1) wf = wave.open(audio_file, "rb") rec = KaldiRecognizer(model, wf.getframerate()) result = [] while True: data = wf.readframes(4000) if len(data) == 0: break if rec.AcceptWaveform(data): part_result = json.loads(rec.Result()) result.append(part_result["text"]) final_result = json.loads(rec.FinalResult()) result.append(final_result["text"]) print(" ".join(result)) Как использовать? Конвертируйте аудио в WAV 16 kHz, моно (если нужно, используйте FFmpeg): bash ffmpeg -i input.mp3 -ar 16000 -ac 1 output.wav Запустите скрипт: bash python transcribe.py Текст появится в консоли и может быть передан Ollama. 3. Готовые Ollama-совместимые решения Пока прямой интеграции Whisper/Vosk в Ollama нет, но возможны варианты: LlamaIndex + Whisper: Используйте LlamaIndex для RAG с аудиоданными. Самодельный пайплайн: text Аудио → Whisper/Vosk → Текст → Ollama (для анализа/ответа) Итог Способ Требует интернета? Точность Простота Whisper Нет (если модель скачана) Высокая Средняя Vosk Нет Средняя Просто Ollama + Whisper Нет Высокая Сложнее Рекомендация: Если нужно быстро и точно – Whisper. Если полная оффлайновая работа – Vosk. Ollama можно подключить после расшифровки для анализа текста. Для удобства можно написать bash-скрипт, объединяющий Whisper/Vosk и Ollama в один процесс. Этот запрос уточняет мой предыдущий запрос. Сможете ли предложить вариант без Python, так чтобы я из PowerShell установил нужную модель и так же из PowerShell передал модели звуковой файл и в этой же консоли получил результат распознавания речи из файла. Отличный запрос! Да, можно обойтись без Python, используя PowerShell и готовые бинарные версии Whisper или Vosk. Вот несколько вариантов: Вариант 1: Whisper.cpp (оффлайн, без Python) Whisper.cpp – это портированная на C++ версия Whisper от OpenAI, которая работает полностью оффлайн и имеет готовые .exe-файлы для Windows. Установка и использование Скачайте готовый бинарник (выберите whisper или main для Windows): → Releases whisper.cpp (например, whisper-bin-x64.zip). → Распакуйте архив в удобную папку, например: text C:\whisper\ Скачайте модель (например, ggml-small.bin для русского): → Модели Whisper.cpp (размер от 100 МБ до 2 ГБ). → Положите файл модели в папку C:\whisper\models\. Запустите распознавание из PowerShell powershell # Перейдите в папку с whisper.exe cd C:\whisper\bin\ # Запустите распознавание (замените путь к файлу и модели) .\main.exe -m ..\models\ggml-small.bin -f "C:\audio.wav" -l ru -otxt Параметры: -m – путь к модели. -f – аудиофайл (поддерживает WAV, MP3, FLAC). -l ru – язык (русский). -otxt – сохранить результат в .txt. Результат: Текст появится в консоли и сохранится в audio.wav.txt. Вариант 2: Vosk с PowerShell (через CLI-утилиты) Если Whisper.cpp требует слишком много ресурсов, можно использовать Vosk через готовые CLI-инструменты. Установка Скачайте Vosk API для Windows: → Vosk releases (ищите vosk-win64). → Распакуйте архив, например, в C:\vosk\. Скачайте модель для русского языка: → Модели Vosk (например, vosk-model-small-ru-0.22.zip). → Распакуйте в C:\vosk\models\small-ru. Запуск распознавания Конвертируйте аудио в 16 kHz, моно, WAV (если нужно): powershell ffmpeg -i "input.mp3" -ar 16000 -ac 1 "output.wav" (Если нет FFmpeg, скачайте здесь). Запустите распознавание через vosk-cli: powershell cd C:\vosk\ .\vosk-cli.exe -m .\models\small-ru -i .\audio.wav -o .\output.txt Результат: Текст сохранится в output.txt и выведется в консоль. Вариант 3: Другие CLI-инструменты Если нужны альтернативы: Stt (Mozilla DeepSpeech) – требует установки моделей. NVIDIA Riva (для GPU) – сложнее в настройке, но очень быстро. Итог: что выбрать? Инструмент Точность Скорость Простота Оффлайн Whisper.cpp 4 2 3 Да Vosk CLI 3 3 4 Да DeepSpeech 2 3 2 Да

Рекомендация:

Если у вас мощный ПК → Whisper.cpp (лучшая точность).

Если нужно быстро и просто → Vosk CLI.

Оба варианта работают без Python и дают результат прямо в PowerShell!

Я же спрашивал про olama. Есть ли у неё готовое решение которое устанавливается и запускается аналогично выполнению команды ollama run deepseek-r1:32b

На данный момент Ollama не имеет встроенной поддержки распознавания речи (ASR) и не предлагает готовых моделей для обработки аудиофайлов, в отличие от текстовых моделей (например, deepseek-r1:32b). Однако вы можете создать пайплайн для обработки аудио с помощью Whisper или Vosk, а затем передать распознанный текст в Ollama. Вот как это сделать максимально удобно: Способ 1: Whisper + Ollama (через PowerShell) 1. Установите Whisper (оффлайн-версия через whisper.cpp) powershell # Скачайте бинарник Whisper.cpp для Windows Invoke-WebRequest -Uri "https://github.com/ggerganov/whisper.cpp/releases/download/v1.5.0/whisper-bin-x64.zip" -OutFile "whisper.zip" Expand-Archive -Path "whisper.zip" -DestinationPath "C:\whisper\" -Force cd C:\whisper\bin 2. Скачайте модель для русского языка powershell # Модель small (достаточно для большинства задач) Invoke-WebRequest -Uri "https://huggingface.co/ggerganov/whisper.cpp/resolve/main/ggml-small.bin" -OutFile "C:\whisper\models\ggml-small.bin" 3. Распознайте аудиофайл и передайте текст в Ollama powershell # Распознаём аудио (сохраняем в текстовик) .\main.exe -m ..\models\ggml-small.bin -f "C:\audio.wav" -l ru -otxt -of "C:\output" # Читаем распознанный текст и передаём в Ollama $text = Get-Content -Path "C:\output.txt" ollama run llama3 "Обобщи этот текст: $text" Способ 2: Vosk + Ollama (если Whisper слишком тяжёлый) 1. Установите Vosk CLI powershell # Скачиваем Vosk API для Windows Invoke-WebRequest -Uri "https://github.com/alphacep/vosk-api/releases/download/v0.3.45/vosk-win64-0.3.45.zip" -OutFile "vosk.zip" Expand-Archive -Path "vosk.zip" -DestinationPath "C:\vosk\" -Force # Скачиваем русскую модель Invoke-WebRequest -Uri "https://alphacephei.com/vosk/models/vosk-model-small-ru-0.22.zip" -OutFile "vosk-model-ru.zip" Expand-Archive -Path "vosk-model-ru.zip" -DestinationPath "C:\vosk\models\small-ru\" -Force

2. Распознаём аудио и передаём в Ollama

powershell cd C:\vosk\ .\vosk-cli.exe -m .\models\small-ru -i "C:\audio.wav" -o "C:\output.txt" # Передаём текст в Ollama $text = Get-Content -Path "C:\output.txt" ollama run mistral "Проанализируй: $text"

Способ 3: Готовый Bash-скрипт (если используете WSL)

Если у вас есть WSL (Windows Subsystem for Linux), можно сделать ещё проще:

Итог

Ollama сама по себе не умеет в ASR, но отлично работает с текстом.

Whisper.cpp – лучший вариант для оффлайн-распознавания.

Vosk – легче, но менее точен.

Если хочется "как Ollama, но для речи", придётся ждать, пока добавят ASR-модели (например, Whisper в виде ollama run whisper). Пока такого нет, но можно автоматизировать пайплайн через PowerShell-скрипт!

Другие товары