Коротко
Да, VoiceKeyboard распознаёт речь без интернета. Переключите RECOGNITION на LOCAL, выберите модель, и текст с микрофона печатается в любое окно, даже если выдернуть сетевой кабель. Экран FILES, который превращает записи в текст, всегда работает именно так. Интернет нужен один раз, чтобы скачать модель.
Какая модель для вашего языка
Моделей без интернета пять, и каждая сильна в своём:
| Модель | Загрузка | Когда появляется текст | Языки |
|---|---|---|---|
| Whisper | от 75 до 1 031 МБ (пять размеров) | после каждой фразы | 58 на выбор; около 99 на AUTO, где язык определяется сам |
| Parakeet v3 | около 670 МБ | после каждой фразы | 24 европейских языка, сам определяет, какой |
| Vosk | около 40–50 МБ на язык | по ходу речи | 15, по одной небольшой модели на язык |
| GigaAM v3 | около 232 МБ | после каждой фразы | русский, с пунктуацией |
| T-one | около 144 МБ | по ходу речи | русский, без пунктуации |
- Английский и испанский: Whisper, Parakeet v3 и Vosk.
- Русский: все пять; GigaAM v3 и T-one сделаны именно для него.
- Японский и хинди: Whisper и Vosk.
- Немецкий, французский, итальянский, польский, украинский и другие: Whisper для всех, Parakeet v3 для большинства европейских, Vosk для некоторых.
Не знаете, что выбрать? Оставьте в LOCAL первую строку списка моделей, «Авто — по языку». Для языка, на котором вы диктуете, она запускает лучшую из скачанных вами моделей, а если скачанных ещё нет, предлагает ту, что подходит вашим языкам.
От железа зависит одна модель
Whisper самая способная и самая требовательная. С видеокартой NVIDIA она работает через CUDA в несколько раз быстрее; на обычном процессоре она медленная, и в живой диктовке может отставать от вашей речи. На ноутбуке без видеокарты NVIDIA для диктовки выбирайте Parakeet v3, GigaAM v3, T-one или Vosk: на процессоре они идут без проблем.
Vosk и T-one показывают слова, пока вы ещё говорите. Whisper, Parakeet и GigaAM ждут паузы и печатают фразу целиком, обычно с лучшей пунктуацией.
Файлы и записи без интернета
FILES всегда расшифровывает моделью Whisper на вашем ПК. Запись с диска не требует интернета, когда есть модель и FFmpeg (бесплатный преобразователь, который приложение предлагает скачать). С видеоссылкой иначе: сначала звук нужно скачать, и только потом распознавание идёт без сети. Подробности в статье транскрибация аудио и видео без облака.
Что всё же требует интернета
- Загрузка модели, один раз. Модели берутся с официальных источников, запасное зеркало лежит на voice-keyboard.com.
- Google и Soniox, два онлайн-движка. Переключитесь на LOCAL, и они не используются.
- Ссылки на видео в FILES, ради загрузки звука.
Pro тоже работает без интернета, до конца оплаченного периода.
Зачем без интернета
С локальной моделью звук не покидает компьютер: модель слушает, печатает и забывает. Это важно для разговоров с клиентами, заметок о пациентах, юридических черновиков и кода под NDA, а также для тех, кому работодатель запретил облачные сервисы речи. Заодно нет задержек из-за медленной сети и нет отказа диктовки в самолёте.
Цену тоже стоит назвать прямо: онлайн-движки обычно лучше справляются со сложным звуком, а Soniox определяет язык по ходу речи, даже посреди фразы. Многие держат оба: LOCAL по умолчанию и ONLINE, когда он выручает. Страница онлайн или локальные модели их сравнивает.
Без интернета и голосовой ввод Windows
В Windows 10 и 11 голосовой ввод встроен (Win+H), но в справке Microsoft сказано, что он «uses online speech recognition, which is powered by Azure Speech services». Без соединения он не работает. Полное сравнение — в статье голосовой ввод Windows или VoiceKeyboard.
Попробуйте
Установите VoiceKeyboard, переключите RECOGNITION на LOCAL и скачайте модель для своего языка. Потом выключите Wi-Fi, поставьте курсор в любое окно и нажмите Ctrl+1.
