Skip to content
Projects

timoncool/VibeVoice_ASR_portable_ru

View on GitHub

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.

How these counts are measured

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 Tools

README.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.

Stars License Last Commit Downloads

Интерфейс VibeVoice ASR

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)

  1. Скачайте архив VibeVoice_ASR_portable_ru_installer.zip из релизов
  2. Распакуйте в любую папку (например D:\VibeVoice)
  3. Запустите install.bat
  4. Выберите вашу видеокарту из списка
  5. Дождитесь завершения установки

Установка из исходников

  1. Клонируйте репозиторий: git clone https://github.com/timoncool/VibeVoice_ASR_portable_ru.git
  2. Запустите install.bat
  3. Выберите вашу видеокарту из списка
  4. 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

  1. Запустите run.bat
  2. Приложение автоматически откроется в браузере
  3. Выберите модель и нажмите "Загрузить модель"
  4. Загрузите аудио файл или запишите с микрофона
  5. 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.bat повторно
  • 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

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

Star History

Star History Chart