VoskSTT (Движок для оффлайнового распознавания речи)

• Автор: Kvark (Александр Линьков)

Интересно стало посмотреть, что сейчас есть для оффлайнового распознавания речи через нейросети.
Алиса из Яндекса подсказала, что существует проект под названием Vosk:
https://alphacephei.com/vosk/
Решил прикрутить эту штуку к NVDA, авось кому-нибудь окажется полезно. Результат прикрепляю к данному сообщению.
https://t.me/nvda_group/60655

Порядок установки:

Сначала устанавливается основной движок распознавания (файл VoskSTT.nvda-addon), а затем доустанавливается модель распознавания для целевого языка.

Использование:

В диалоге «Жесты ввода» в подкатегории Vosk STT назначается свободное сочетание клавиш для команды «Запускает или останавливает распознавание речи».

Теперь после первого вызова этой команды нужно сказать что-нибудь в микрофон по умолчанию, после чего повторным вызовом остановить запись. NVDA произнесет распознанный текст и поместит его в буфер обмена.

Диалог настроек можно открыть через меню NVDA -> СЕрвис -> Настройки Vosk STT. Там можно выбрать модель распознавания, используемый микрофон и включить/отключить звуковой сигнал в начале записи.

Голосовые модели:

С движком VoskStt были протестированны маленькие голосовые модели средним размером от 30 до 300 Мб.

Примечание от руководителя русскоязычного сообщества:

Целевые языковые модели можно загрузить в виде дополнений на следующей странице в русском каталоге дополнений.
Кроме того они доступны через дополнения RuStore и Store, а также TiendaNVDA с добавленным русским сервером.
Найти все модели можно по запросу «VoskSTT».
Мною было собрано 34 малых языковых моделей для следующих доступных языков:

• Арабский тунисский.
• Каталанский.
• Китайский.
• Чешский.
• Немецкий.
• Индийский английский.
• Английский.
• Эсперанто.
• Испанский.
• Фарси.
• Французский.
• Гуджарати.
• Хинди.
• Итальянский.
• Японский.
• Корейский.
• Киргизский.
• Казахский.
• Нидерландский.
• Польский.
• Португальский.
• Русский.
• Шведский.
• Телугу.
• Таджикский.
• Турецкий.
• Украинский.
• Узбекский.
• Вьетнамский.

Примечание по некоторым языкам:

• “Arabic Tunisian” → “Арабский тунисский” (диалект арабского языка в Тунисе)
• “Catalan” → “Каталанский” (официальный язык Каталонии)
• “Indian English” → “Индийский английский” (вариант английского языка в Индии)
• “Esperanto” → “Эсперанто” (международный искусственный язык)
• “Farsi” → “Фарси” (персидский язык)
• “Gujarati” → “Гуджарати” (язык в штате Гуджарат, Индия)
• “Telugu” → “Телугу” (язык в Индии, официальный в штатах Андхра-Прадеш и Телангана)
• “Dutch” → “Нидерландский” (официальное название голландского языка)

Большие языковые модели из-за слишком большого размера не были собраны и размещены в магазине дополнений. Их можете собрать самостоятельно по образу и подобию уже собранных моделей.
Также имейте ввиду следующие: большие модели при своей работе используют до 16 ГБ оперативной памяти. Следовательно, для их запуска обязательно требуется 64-разрядная версия NVDA. 32-разрядные приложения не могут адресовать более чем 4 ГБ.

Все модели большие и маленькие в zip-архивах можно загрузить на сайте разработчика.
https://alphacephei.com/vosk/models

Пожертвование

Если вам понравилось это дополнение, и вы хотите выразить благодарность его автору, то сделать это можно переводом любой суммы на следующий кошелёк YooMoney: https://yoomoney.ru/to/410012293543375

История версий:

2025.10.23

Первоначальный выпуск.