Скачать установщик · История изменений · Дизайн-система · Windows 10/11 x64 · MIT

Слог записывает речь по удержанию кнопки, распознаёт её на вашем компьютере и вставляет готовый текст в активное поле: в редактор, терминал, мессенджер, браузер. Звук и текст не уходят в сеть, аккаунта и телеметрии нет.

Что внутри

• GigaAM v3 (Сбер) — модель, обученная именно на русской речи. Слова считывает plain RNNT, а пунктуацию и регистр определяет вторая модель по самому звуку. Работает на процессоре, видеокарта не нужна.
• Модель всегда готова. Она загружена в память с запуска, поэтому между нажатием и началом записи нет ожидания, а распознавание фразы занимает около 140 мс.
• Тихая речь. Очень тихие записи (пик ниже −24 дБ) поднимаются одним статическим коэффициентом перед распознаванием: слабые согласные и окончания перестают теряться. Обычная громкость не затрагивается.
• Начало и конец фразы. Запись начинается за 0,5 с до нажатия (звук уже копится в буфере), а после отпускания продолжается, пока затухает речь: от 0,25 до 0,9 с. Первое и последнее слово не обрезаются.
• Капсула со спектром голоса: 44 столбика с падающими пиками, чёрная капсула, один акцент (лайм). Появляется за 90 мс, анимации идут с частотой вашего монитора (до 144 Гц) и отключаются настройкой Windows «уменьшить движение».
• Новая фраза во время распознавания прошлой. Можно сразу диктовать дальше: тексты вставляются по порядку, каждый в своё окно.
• Кнопка мыши (по умолчанию Mouse 5) принадлежит Слогу и не доходит до других программ. Дребезг кнопки гасится. В играх она проходит как обычно.
• Автозапуск и микрофон: «Запускать вместе с Windows» включается в настройках. Если звуковая служба при загрузке Windows ещё не готова, Слог ждёт и подключается сам; микрофон тоже подключается, когда появляется устройство.
• Словарь названий и терминов с защитой от ложных замен, голосовые команды («запятая», «новая строка»), нормализация чисел.

Установка

1. Скачайте Slog-Setup-3.2.0-win-x64.exe из релиза (около 450 МБ: приложение, .NET и модели внутри).
2. Запустите установщик. Он не требует прав администратора и обновляет предыдущую установку, сохраняя настройки.
3. Поставьте курсор в поле ввода, удерживайте Mouse 5 (или Ctrl + Alt + Space), говорите, отпустите.

Установщик не подписан сертификатом, поэтому Windows SmartScreen может показать предупреждение.

Требования

ОС	Windows 10 (1903) или 11, x64
Процессор	любой x64; распознавание занимает несколько ядер на доли секунды
Память	около 1,1 ГБ ОЗУ постоянно (модели всегда в памяти)
Диск	около 1 ГБ

Измерения

Измерено на 110 записях автора (русская речь, команды, русский с английскими названиями, быстрая речь, числа). Это один голос и один микрофон, поэтому цифры показывают порядок, а не гарантию. Словарь настраивался по тем же записям, поэтому на новых фразах ошибок может быть больше.

Доля ошибок в словах	GigaAM v3 (Слог 3.2)
Чистая русская речь	3,2%
Быстрая речь	7,8%
Числа	0,8%
Голосовые команды	20,8%
Русский с английскими названиями	17,8%
Все записи	12,2%
Задержка распознавания (медиана / 95-й процентиль)	139 / 191 мс

Тихая речь (та же запись, ослабленная на 30 дБ): без поддержки громкости 15,3% ошибок, в Слоге 3.2 — 12,5%.

Whisper large-v3-turbo в Слоге 3.0–3.1 давал на этих записях меньше ошибок в английских названиях (11,9% против 17,8%), но дольше отвечал (около 200 мс), выгружался из памяти в простое и придумывал текст на шуме. Слог 3.2 вернулся на GigaAM по выбору автора: русская речь и скорость важнее английских названий. Полный разбор конфигураций: docs/models/EVALUATION-3.2.md.

Что не помогло и не включено: точные fp32-веса (ошибки 13,4%, в 1,5 раза медленнее), расширенный поиск beam4 (14,1%), дополнительная тишина в конце записи, автоматическая регулировка громкости. Честную оценку на вашем голосе даёт инструмент --corpus-record (см. tests/corpus).

Сборка из исходников

dotnet build .\Egoist.Voice.sln -c Release
dotnet test  .\Egoist.Voice.sln -c Release
# установщик: portable → installer (нужен Inno Setup из dotnet tool manifest)
pwsh .\scripts\Build-CompactPortable.ps1 -OutputDirectory .\artifacts\slog-3.2.0\portable
pwsh .\scripts\Build-CompactInstaller.ps1 -StagingDirectory .\artifacts\slog-3.2.0\portable -Build

Для portable-сборки нужны восемь файлов весов GigaAM v3 (650 090 519 байт) в artifacts/models/Speech/ (или путь через -InstalledModelsRoot). Скрипт проверяет размер и хеши и ничего не скачивает.

Сравнение конфигураций распознавания на своих записях: Egoist.Voice.exe --asr-eval <папка корпуса> <out.json> и scripts/eval-asr.py.

Приватность

Запись, распознавание и вставка идут локально. Журнал не содержит ни аудио, ни распознанного текста. История последних записей выключена по умолчанию.

Лицензии

Код: MIT. Модель GigaAM v3 (SberDevices): MIT, текст. Остальное: THIRD-PARTY-NOTICES.md.