Содержание
Что умеет transcribe.cpp и кому пригодится локальная транскрибация
Разработчик приложения Handy представил transcribe.cpp — открытую библиотеку для локального распознавания речи. Проект создан на базе ggml и рассчитан на приложения, которым нужно расшифровывать аудио на устройстве, не отправляя голосовые данные в облачный сервис.
Более 60 моделей в одном движке
В версии 0.1.0 заявлена поддержка 16 семейств ASR-моделей — суммарно более 60 вариантов. Библиотека умеет обрабатывать готовые записи и потоковое аудио, а совместимость каждой модели автор проверяет численно и с помощью тестов WER — метрики ошибок распознавания слов.
transcribe.cpp работает на macOS, Windows и Linux и использует ускорение через Metal, Vulkan, CUDA и TinyBLAS. По данным разработчика, даже маломощная платформа RK3566 может расшифровывать речь быстрее реального времени, поэтому движок подходит не только для мощных рабочих станций.
Замена whisper.cpp с более широким выбором моделей
Проект задуман как почти прямая замена whisper.cpp: он поддерживает популярные файлы моделей в формате .bin и предлагает привязки для Python, JavaScript/TypeScript, Rust и Objective-C/Swift. Это упрощает добавление локальной транскрибации в настольные, мобильные и веб-приложения без тяжелого стека на PyTorch.
Почему это полезно авторам и бизнесу
На базе transcribe.cpp разработчики смогут собирать офлайн-инструменты для расшифровки интервью, подкастов, встреч и видеозаписей. Локальная обработка дает больше контроля над конфиденциальными материалами и снижает зависимость от облачных тарифов, а поддержка разных моделей позволяет выбирать баланс скорости, точности и требований к устройству.
Важно учитывать, что это ранняя версия 0.1.0 и пока не готовый сервис для пользователей без технической подготовки. Автор предупреждает о возможных шероховатостях и приглашает тестировать библиотеку и сообщать об ошибках на GitHub.