Vosk помогает в различных задачах распознавания человеческой речи.

Существуют два основных типа моделей, основанных на трансформерной архитектуре Zipformer. Vosk Small размером около 50 Мб могут применяться на смартфонах, десктопах и устройствах на базе Raspberry Pi. Более крупные по размеру модели Vosk созданы для работы на серверах и позволяют производить более точную транскрибацию.

Кроме того, есть версии для задач потокового распознавания речи (в рамках одного соединения), расстановки пунктуации и синтеза речи на русском языке (Vosk TTS).

По состоянию на октябрь 2025 года существуют варианты Vosk для распознавания речи на 30 языках, в частности на русском, английском (и его индийском диалекте), китайском, португальском (и его бразильском диалекте).

Модель Vosk представлена компанией «АЦ Технологии» в марте 2019 года. В апреле 2025 года выпущена обновленная версия Vosk 0.54 размером в 65 млн параметров.

Доступна как открытое ПО.

Репозитори на GitHub и Hugging Face

👤 Николай Шмырев

#искусственный_интеллект#нейросети#машинное_обучение#распознавание_речи#open_source

#АЦ_Технологии