timoncool/VibeVoice_ASR_portable_ru
timoncool/VibeVoice_ASR_portable_ru has 41 GitHub stars and 8 forks. GitHot measured 0 stars in 24 hours. Last checked 2026-11-17 01:42 UTC. Last push 2026-11-14.
Measured star growth
- in 24h
- 0
- in 7 days
- Collecting history
- in 15 days
- Collecting history
- in 1 month
- Collecting history
Net star changes over overlapping periods, not daily totals. Missing measurements are left blank. Stars measure attention, not software quality.
About
No longer developed. Use Speech Studio: https://github.com/timoncool/speech-studio. Portable speech recognition (ASR) for Windows — Microsoft VibeVoice, one-click install, 100% offline, NVIDIA GPU.
Developer ToolsREADME.md
Original[!WARNING] Проект больше не развивается. Распознавание речи с разделением по говорящим и субтитры теперь в Speech Studio. Там собраны новейшие ИИ-технологии: озвучка текста на Higgs Audio v3, Fish Audio Drama 3, Qwen3-TTS и Supertonic 3, клонирование голоса, голос по описанию, аудиокниги и подкасты, распознавание речи с разделением по говорящим на Parakeet, Nemotron и CrisperWhisper, голосовой разговор с ИИ-агентом. Бесплатно и офлайн, на Windows, macOS и Linux.
VibeVoice ASR Portable
Портативное распознавание речи для Windows — Microsoft VibeVoice, установка в один клик, 100% офлайн.

VibeVoice ASR — современная модель распознавания речи от Microsoft, которая преобразует аудио в текст с высокой точностью и поддержкой диаризации спикеров. Полная русификация интерфейса.
Возможности
- Распознавание речи в текст с высокой точностью
- Диаризация спикеров (определение кто говорит)
- Временные метки для каждого сегмента речи
- Эмуляция 4-bit квантизации для экономии видеопамяти
- Полностью русскоязычный интерфейс
- Тёмная тема интерфейса
- Автоматическое открытие в браузере
- Портативность — все файлы в одной папке
- Поддержка множества аудио и видео форматов через FFmpeg
- Ускоренная загрузка моделей через HuggingFace Xet
Системные требования
- Windows 10/11 (64-bit)
- NVIDIA GPU с поддержкой CUDA (рекомендуется 8GB+ VRAM)
- Или CPU (медленнее, но работает)
- 16GB+ RAM
- 10GB свободного места на диске
Рекомендуемые видеокарты
| Серия | CUDA версия | Flash Attention 2 |
|---|---|---|
| GTX 10xx (Pascal) | CUDA 11.8 | Нет |
| RTX 20xx (Turing) | CUDA 11.8 | Нет |
| RTX 30xx (Ampere) | CUDA 12.6 | Да |
| RTX 40xx (Ada Lovelace) | CUDA 12.8 | Да |
| RTX 50xx (Blackwell) | CUDA 12.8 | Да |
Установка
Быстрая установка (рекомендуется)
- Скачайте архив
VibeVoice_ASR_portable_ru_installer.zipиз релизов - Распакуйте в любую папку (например
D:\VibeVoice) - Запустите
install.bat - Выберите вашу видеокарту из списка
- Дождитесь завершения установки
Установка из исходников
- Клонируйте репозиторий:
git clone https://github.com/timoncool/VibeVoice_ASR_portable_ru.git - Запустите
install.bat - Выберите вашу видеокарту из списка
- Дождитесь завершения установки
Установщик автоматически скачает и настроит:
- Python 3.12.8 (портативный)
- PyTorch с поддержкой CUDA
- FFmpeg (портативный)
- Все необходимые зависимости
- Flash Attention 2 (для RTX 30xx/40xx/50xx)
- HuggingFace Xet для быстрой загрузки моделей
Запуск
- Запустите
run.bat - Приложение автоматически откроется в браузере
- Выберите модель и нажмите "Загрузить модель"
- Загрузите аудио файл или запишите с микрофона
- Нажмите "Распознать речь"
Модели
Полная модель (microsoft/VibeVoice-ASR)
- Лучшее качество распознавания
- Требует ~8GB VRAM
- Рекомендуется для RTX 30xx и выше
4-bit модель (scerz/VibeVoice-ASR-4bit)
- Экономит видеопамять (~4GB VRAM)
- Немного медленнее
- Подходит для видеокарт с меньшим объемом памяти
Поддерживаемые форматы
Благодаря встроенному FFmpeg поддерживаются все популярные форматы:
Аудио: MP3, WAV, FLAC, OGG, M4A, AAC, WMA, AIFF, и другие
Видео: MP4, MKV, AVI, MOV, WebM, и другие (извлекается аудио дорожка)
Структура папок
VibeVoice_ASR_portable_ru/
├── app.py # Основное приложение
├── install.bat # Установщик
├── run.bat # Запуск приложения
├── requirements.txt # Зависимости Python
├── vibevoice/ # Модули VibeVoice ASR
├── python/ # Портативный Python (создается при установке)
├── ffmpeg/ # Портативный FFmpeg (создается при установке)
├── models/ # Кэш моделей HuggingFace
├── output/ # Выходные файлы
├── temp/ # Временные файлы
└── cache/ # Кэш приложения
Изоляция
Приложение полностью изолировано и не создает файлы за пределами своей папки:
- Все временные файлы в
temp/ - Все модели в
models/ - Все кэши в
cache/ - Системные переменные окружения не изменяются
Решение проблем
Ошибка "CUDA out of memory"
- Используйте 4-bit модель
- Закройте другие приложения, использующие GPU
- Уменьшите параметр "Максимум токенов"
Модель загружается медленно
- При первом запуске модель скачивается (~5GB)
- Последующие запуски будут быстрее (модель кэшируется)
FFmpeg не найден
- Запустите
install.batповторно - Или скачайте FFmpeg вручную с https://ffmpeg.org и распакуйте в папку
ffmpeg/
Ошибка при распознавании
- Проверьте формат аудио файла
- Попробуйте конвертировать в WAV
- Убедитесь, что аудио содержит речь
Оригинальная модель: Microsoft VibeVoice ASR
4-bit квантизация: scerz/VibeVoice-ASR-4bit
Лицензия
Данный проект распространяется под лицензией MIT. Модель VibeVoice ASR распространяется под лицензией Microsoft.
Ссылки
Другие проекты @timoncool
| Проект | Описание |
|---|---|
| ACE-Step Studio | AI-студия музыки — песни, вокал, каверы, клипы |
| Foundation Music Lab | Генерация музыки + редактор таймлайна |
| LavaSR | Портативное улучшение аудио |
| Qwen3-TTS | Портативный TTS с клонированием голоса |
| SuperCaption Qwen3-VL | Портативное описание изображений |
| VideoSOS | AI-видеопродакшн в браузере |
Авторы
- Nerual Dreming (t.me/nerual_dreming) — neuro-cartel.com | основатель ArtGeneration.me
- Нейро-Софт (t.me/neuroport) — репаки и портативки нейросетей
Поддержать автора
Я создаю опенсорс софт и занимаюсь исследованиями в области ИИ. Большая часть всего, что я делаю, находится в открытом доступе. Ваши пожертвования позволяют мне создавать и исследовать больше, не отвлекаясь на поиск еды для продолжения существования =)
Все способы поддержки | dalink.to/nerual_dreming | boosty.to/neuro_art
- BTC:
1E7dHL22RpyhJGVpcvKdbyZgksSYkYeEBC - ETH (ERC20):
0xb5db65adf478983186d4897ba92fe2c25c594a0c - USDT (TRC20):
TQST9Lp2TjK6FiVkn4fwfGUee7NmkxEE7C