Готовой русской модели распознавания речи у Silero в актуальном реестре не нашлось: раздел stt_models содержит английский, немецкий, испанский и украинский, а русский есть только в синтезе речи. Лицензия репозитория некоммерческая, CC BY-NC-SA 4.0. Для готовой русской диктовки есть облачный Поток (potok.now).
Silero — набор открытых моделей из репозитория snakers4/silero-models. Если вы ищете в нём распознавание русской речи, то в актуальном реестре его нет: русский там присутствует только в синтезе речи.
Есть ли у Silero распознавание русской речи
Список моделей Silero ведётся в реестре models.yml. В разделе stt_models, то есть распознавания речи, там английский, немецкий, испанский и украинский. Русский встречается только в разделе tts_models, где собран синтез речи. README репозитория тоже описывает только синтез; про установку распознавания в нём ничего нет. Поэтому на запрос «silero stt русский» честный ответ такой: готовой русской модели распознавания в актуальном реестре не найдено. Цифры точности или скорости для русского здесь не приводятся: модели, к которой они относились бы, в реестре нет. Проверить это можно самому за минуту, открыв реестр. Реестр читается просто: сначала раздел моделей распознавания, затем раздел синтеза, и язык нужно искать в каждом из них отдельно. Как устроено русское распознавание у других моделей, читайте в разборе почему для русской речи нужна отдельная модель.
Где Silero всё же встречается рядом с распознаванием
Silero VAD используется в whisper.cpp и в faster-whisper как детектор речи.
Отдельно про лицензию. В README репозитория написано «CC-NC-BY», в файле LICENSE указана CC BY-NC-SA 4.0, и это некоммерческая лицензия. MIT есть только у базовых моделей cis-tts. ## Что взять вместо Silero
Если нужна открытая модель распознавания, а не синтеза, одна из известных — Whisper от OpenAI. Это модель общего назначения: мультиязычное распознавание, перевод и определение языка. Размеры у неё разные: tiny на 39 млн параметров с памятью около 1 ГБ видеокарты, base на 74 млн, small на 244 млн (около 2 ГБ), medium на 769 млн (около 5 ГБ), large на 1550 млн (около 10 ГБ) и turbo на 809 млн (около 6 ГБ). Ставится она командой pip install -U openai-whisper, а ещё нужен ffmpeg. Запуск из командной строки: whisper audio.wav --model turbo. Язык задают флагом --language, в README пример с японским: whisper japanese.wav --language Japanese.
Для сравнения лицензий: у whisper.cpp и GigaAM лицензия MIT, у моделей Vosk — Apache 2.0, у Parakeet и Canary — CC-BY-4.0. Если проект коммерческий, условия Silero нужно читать отдельно, до выбора модели.
| Задача | Знаков | Печать (200 зн/мин) | Голос (900 зн/мин) |
|---|---|---|---|
| ответ в чате | 300 | 2 мин | 0.5 мин |
| письмо | 1500 | 8 мин | 1.7 мин |
| пост или протокол | 4000 | 20 мин | 4.4 мин |
| статья | 10000 | 50 мин | 11.1 мин |
Что делать, если нужна русская диктовка
В актуальном реестре Silero готовой русской модели распознавания нет. Один из готовых офлайн-вариантов — GigaType: он работает на устройстве, на Windows и macOS, и построен на GigaAM. Подробнее о разных вариантах — в обзоре голосового ввода на русском.
Если нужен облачный сервис, а не набор моделей: Поток — облачный сервис, распознавание на серверах в России; без интернета не работает. Приложений для телефона у Потока нет. Одна подписка — приложение для диктовки и Telegram-бот potok_now_bot для записей и голосовых.
Частые вопросы
В официальном реестре models.yml раздел stt_models содержит английский, немецкий, испанский и украинский. Русский указан только в разделе tts_models, то есть в синтезе речи. Готовой русской STT-модели в актуальном реестре не найдено.
Лицензия репозитория некоммерческая: в файле LICENSE указана CC BY-NC-SA 4.0, в README написано CC-NC-BY. MIT-лицензия есть только у базовых моделей cis-tts. Условия лицензии для своего случая стоит прочитать самому.
Нет, версии Потока для Android нет — продукт работает только на компьютере: Windows, macOS и Linux. Для Android есть встроенный голосовой ввод Google (Gboard) или клавиатура Samsung.
Отдельного расширения для браузера у Потока нет: это десктопное приложение, которое работает поверх любого окна и поля ввода, включая браузер, — а не отдельный плагин.
Сначала 14 дней бесплатного полного доступа без привязки карты. Дальше — бесплатный план (2500 слов в неделю, 1 устройство) или Pro за 690 ₽/мес (499 ₽/мес при оплате за год): безлимит, личный словарь, сниппеты, приоритетная поддержка. Для бизнеса — цена по запросу, с размещением on-prem или на серверах в РФ и поддержкой 152-ФЗ.
Только с официального сайта: potok.now/download. Установка бесплатна, дальше действует 14-дневный пробный период с полным доступом без привязки карты.
Если хотите сравнить сами
Возьмите одну свою задачу и надиктуйте её в «Потоке». Первые 14 дней — без ограничений и без карты. «Поток» — облачный сервис: распознавание идёт на серверах в России, без интернета он не работает.
Скачать «Поток»Одна подписка — два инструмента: диктовка в любой программе на компьютере и @potok_now_bot в Telegram, который расшифровывает голосовые, аудио и видео.
Встроенная диктовка и «Поток»
| Средство | Где работает | Русский язык | Где распознаётся речь |
|---|---|---|---|
| Голосовой ввод Windows (Win+H) | Windows 10 и 11 | только в Windows 11 | облако Microsoft, без интернета не работает |
| Диктовка macOS | macOS | есть | на устройстве или на серверах Apple |
| Поток | Windows, macOS, Linux | основной язык | облако, серверы в России, без интернета не работает |
Первоисточники: support.microsoft.com · support.apple.com