Офлайн-диктовка на русском языке для Windows 7 x64 и новее. Зажмите клавишу — идёт запись с микрофона; отпустите — речь распознаётся нейросетью GigaAM-v3 локально на вашем компьютере, и текст печатается в позицию курсора активного окна.
Offline Russian push-to-talk dictation for Windows 7+. Hold a key to record, release to transcribe with GigaAM-v3 and type the text at the cursor. Fully local, portable, no installation.
- Полностью офлайн — интернет не нужен ни при установке, ни при работе
- Portable — без установки, без ключей, без записей в реестр; все настройки в settings.ini рядом с exe
- Windows 7 x64 и новее — включая «чистую» Win7 без обновлений: необходимый набор Universal CRT / VC++ Runtime лежит в папке программы (app-local)
- Качество GigaAM-v3 — на русской речи заметно точнее Whisper; ~0.2× реального времени на 4 потоках CPU, AVX не требуется
- Выбор микрофона и клавиши диктовки мышью из меню в трее, вставка текста через SendInput или буфер обмена
- Табличная постобработка без потери скорости: числительные в цифры («две тысячи сорок восемь» → 2048, «три целых три десятых» → 3.3, «в тысяча девятьсот шестьдесят первом году» → «в 1961 году»), заглавные буквы, редактируемый словарь автозамен на 150 записей для электроники («спиай» → SPI, «пик 32» → PIC32, «тайпи» → TCP/IP), пунктуация голосом («запятая», «точка», «новая строка»)
Готовая сборка (exe + модель + все библиотеки, ~160 МБ): Releases → GigaVoice_win7_x64_portable.zip. Распаковать в любую папку и запустить GigaVoice.exe — это всё.
- Запустите GigaVoice.exe. Жёлтый кружок в трее — загрузка модели (5–20 с), зелёный + сигнал — готово.
- Поставьте курсор в любое поле ввода.
- Зажмите левый Ctrl, говорите (до 25 с), отпустите. Красный кружок — запись, жёлтый — распознавание, затем текст появится у курсора.
Модель выводит строчные буквы без пунктуации (словарь — русские буквы и пробел).
Правый щелчок по значку в трее:
- Микрофон — список всех устройств записи, щелчок выбирает (делать устройство «основным» в Windows не нужно)
- Клавиша диктовки… — нажмите нужную клавишу и «Применить»; Ctrl/Alt/Shift не блокируются в системе, остальные клавиши перехватываются полностью
Всё то же и больше — в settings.ini (клавиша, микрофон по номеру или подстроке имени, число потоков CPU, способ вставки текста, звуковые сигналы). Подробности — в docs_ru.md.
| Компонент | Реализация |
|---|---|
| Распознавание | GigaAM-v3 CTC (Conformer 220M, int8 ONNX), лицензия MIT |
| Движок | ONNX Runtime 1.11.1 — последняя версия с поддержкой Windows 7; DLL грузится динамически через C API |
| Совместимость модели | оператор LayerNormalization (opset 17) разложен на примитивы opset 16 скриптом src/downgrade_ln.py |
| Постобработка | однопроходные таблицы: числа (кардинальные + порядковые + дроби), словарь замен с механизмом склейки, капитализация — src/postproc.hpp, словарь replace.txt.example |
| Мел-спектрограмма | 16 кГц, 64 бэнда, n_fft=win=320, hop=160, center=false — реализована в src/asr_core.hpp |
| Приложение | чистый Win32/C++ (~700 КБ, MinGW, статическая линковка): хук WH_KEYBOARD_LL, WinMM waveIn, SendInput |
| Win7 без обновлений | app-local набор UCRT/VC++ + три самодельных api-set DLL (src/win7_apiset_shims.c) |
Нужны только MinGW-w64 и заголовки ONNX Runtime 1.11.1 — команды в src/build.txt. Модель: ONNX-экспорт GigaAM-v3 CTC + конвертация downgrade_ln.py. Самотест selftest.exe проверяет цепочку «DLL + модель + распознавание» на эталонном аудио.
Код проекта — MIT. Модель GigaAM — MIT (salute-developers/GigaAM). ONNX Runtime — MIT (Microsoft). Файлы Universal CRT и VC++ Runtime в сборке — распространяемые компоненты Microsoft.