Бесплатное распознавание речи на 35+ языках

Выберите язык

Open-source recognition model

Квантованная сборка нейронной модели распознавания речи с открытым исходным кодом, достаточно маленькая, чтобы загрузить один раз и хранить в вашем браузере.

WebAssembly

Среда выполнения вывода скомпилирована в WebAssembly, поэтому числовой код работает почти на нативной скорости внутри изолированной вкладки без плагинов и установки.

On-device inference

Загрузка модели, токенизация и выполнение цикла декодирования — все это происходит на стороне клиента. Ни одна часть конвейера не обращается к серверу после загрузки страницы.

Web Audio API

Ваш файл декодируется и пересэмплируется до моно 16 кГц, ожидаемого моделью, с использованием собственного аудиоконвейера браузера, поэтому принимается любой формат, который ваш браузер может воспроизводить.

Компромисс — размер модели. Веса на устройстве составляют лишь часть того, что использует размещенный сервис, поэтому точность снижается при шумном аудио, сильных акцентах и перекрывающихся голосах — именно здесь облачная опция ниже оправдывает себя.