Софт для транскрибации на базе GigaAM
Коллеги, привет! Решил наконец написать полноценный пост в сообщество.
Около года назад я написал простую GUI-шку для транскрибации — перевода речи в текст — на базе модели GigaAM от Сбера / SaluteDevices. Эта модель показалась мне наиболее перспективной с точки зрения качества распознавания русского языка, автоматической расстановки знаков препинания, а также возможности запускаться и демонстрировать приличную скорость не только на GPU, но и на CPU.
Потом разработку подхватил мой студент, и мы вместе начали допиливать это решение.
Сегодня программа полностью кроссплатформенная и, помимо своей базовой функции, умеет выполнять диаризацию (расстановку спикеров), обрабатывать аудио в реальном времени, интегрироваться с ИИ-агентами или становиться их частью с помощью MCP. Также есть несколько интерфейсов: GUI для macOS, Windows и Linux, TUI на Rust на базе Ratatui, а также WebUI для простого развёртывания на серверах.
Подхватывайте, ждём ваши предложения по улучшению и пулл-реквесты!