# speech.cpp 0.7.0: локальное ASR для Qwen3, Parakeet и ReazonSpeech

Источник: https://modelium.tech/zhurnal/speech-cpp-0-7-0-qwen3-asr-parakeet-reazon-gguf/

6 октября вышел стабильный speech.cpp 0.7.0: локальное распознавание речи на Qwen3-ASR 0.6B/1.7B, Parakeet TDT 0.6B v3 и японской ReazonSpeech NeMo v2. Для этих моделей доступны отдельные GGUF-файлы; программа поставляется для macOS/Metal, Windows/Vulkan и Linux/Vulkan либо CPU. Обновление несовместимо со старыми файлами моделей и меняет интерфейс CLI, C API и worker. Это не выпуск новых базовых моделей.

## Что изменилось 6 октября

Разработчик выпустил **speech.cpp v0.7.0** — локальный C++/ggml-инструмент для речи. Новая версия добавляет ASR для **Qwen3-ASR 0.6B и 1.7B**, мультиязычной **Parakeet TDT 0.6B v3** и японской **ReazonSpeech NeMo v2**. В описании релиза автор указывает поддержку 30 языков у реализации Qwen3-ASR и 25 европейских языков у Parakeet v3; для ReazonSpeech заявлена обработка длительной японской записи. Это расширение runtime и новые конверсии уже существующих моделей, а не новые базовые веса. [s1](#src-s1) [s2](#src-s2) [s3](#src-s3) [s4](#src-s4) [s5](#src-s5) [s10](#src-s10)

Релиз содержит архивы для macOS arm64/Metal, Windows x64/Vulkan, Linux x64/Vulkan и Linux x64/CPU; Linux-сборкам требуется glibc 2.34 или новее. Все команды сведены в один исполняемый файл `speech`: подкоманды `asr`, `tts`, `info`, `devices`, `serve`, `voice`, `worker`. Есть общая библиотека `libspeech` с C API. Для новых ASR-моделей опубликованы отдельные GGUF-чекпойнты с кодеком внутри файла: Q8_0 для двух Qwen3-ASR и F16 для Parakeet v3 и ReazonSpeech. Наличие файлов сверено по Hugging Face API и закреплённым карточкам; это не тест запуска на оборудовании Modelium. [s1](#src-s1) [s2](#src-s2) [s3](#src-s3) [s4](#src-s4) [s5](#src-s5) [s10](#src-s10)

## Как попробовать локально

Выберите архив **именно v0.7.0** под свою платформу и проверьте контрольную сумму из релиза. Для короткой многоязычной записи скачайте `Qwen3-ASR-0.6B-Q8_0.gguf` из закреплённой ревизии конверсии. Подготовьте WAV и выполните команду из карточки автора: [s1](#src-s1) [s3](#src-s3)

Команда: `speech asr Qwen3-ASR-0.6B-Q8_0.gguf utterance.wav`.

Для японской длинной записи автор документирует `speech asr reazonspeech-nemo-619M-v2-F16.gguf meeting.wav`; для Parakeet v3 — `speech asr parakeet-tdt-0.6B-v3-F16.gguf --timestamps utterance.wav`. У Qwen3-ASR можно явно указать язык и подсказку контекста через `--language` и `--prompt`; в новой версии библиотека приводит частоту входного WAV к частоте модели. Сначала проверьте поддерживаемый формат аудио и параметры в карточке выбранной модели. Эти команды взяты из документации разработчика, а не из собственного прогона Modelium. [s2](#src-s2) [s3](#src-s3) [s4](#src-s4) [s5](#src-s5) [s10](#src-s10)

**Внимание при обновлении с 0.6.0:** файлы GGUF прежнего layout не читаются версией 0.7.0, а новые файлы не работают со старым релизом. Скачайте обновлённые веса; старые голосовые файлы Irodori-TTS нужно создать заново. Переименован CLI, C API перешёл на major 3, worker — на protocol 2. Это важно для локальных интеграций, а не только для запуска из терминала. Особый GGUF-формат speech.cpp не делает эти файлы совместимыми с llama.cpp, Ollama или LM Studio. [s1](#src-s1) [s2](#src-s2) [s5](#src-s5) [s10](#src-s10)

## Лицензии и границы подтверждения

Код speech.cpp в теге v0.7.0 — MIT. Конверсии Qwen3-ASR и ReazonSpeech помечены Apache 2.0, Parakeet v3 — CC BY 4.0 с обязанностью соблюдать атрибуцию; метки исходных моделей сверены отдельно. Права на код и на веса нельзя смешивать. Авторские сравнения точности и скорости не воспроизводились Modelium: производительность на вашем компьютере, качество для конкретного языка и объём требуемой памяти здесь не измерялись. Для выбора между моделями проверьте свой корпус аудио, языки и лицензии до внедрения. [s2](#src-s2) [s3](#src-s3) [s4](#src-s4) [s5](#src-s5) [s10](#src-s10) [s6](#src-s6) [s7](#src-s7) [s8](#src-s8) [s9](#src-s9) [s10](#src-s10)

## Источники

1. [speech.cpp v0.7.0 — стабильный GitHub release от 6 октября](https://github.com/nyosegawa/speech.cpp/releases/tag/v0.7.0) — получено 2026-10-06
2. [speech.cpp v0.7.0: README и MIT LICENSE](https://github.com/nyosegawa/speech.cpp/tree/v0.7.0) — получено 2026-10-06
3. [Qwen3-ASR 0.6B GGUF — авторская конверсия, ревизия f397b129](https://huggingface.co/sakasegawa/Qwen3-ASR-0.6B-GGUF/tree/f397b129caf08f201f79e67bbfafd1c6b59aeb05) — получено 2026-10-06
4. [Qwen3-ASR 1.7B GGUF — авторская конверсия, ревизия 75edaf1d](https://huggingface.co/sakasegawa/Qwen3-ASR-1.7B-GGUF/tree/75edaf1dd34c60409d3190dbcb36dbec70cad5ea) — получено 2026-10-06
5. [Parakeet TDT 0.6B v3 GGUF — закреплённая карточка](https://huggingface.co/sakasegawa/parakeet-tdt-0.6b-v3-GGUF/tree/304eaf83fc16e3087425b61b6652c4eafe003dc4) — получено 2026-10-06
6. [Qwen3-ASR 0.6B — исходная модель и лицензия](https://huggingface.co/Qwen/Qwen3-ASR-0.6B/tree/5eb144179a02acc5e5ba31e748d22b0cf3e303b0) — получено 2026-10-06
7. [Qwen3-ASR 1.7B — исходная модель и лицензия](https://huggingface.co/Qwen/Qwen3-ASR-1.7B/tree/7278e1e70fe206f11671096ffdd38061171dd6e5) — получено 2026-10-06
8. [NVIDIA Parakeet TDT 0.6B v3 — исходная модель и лицензия](https://huggingface.co/nvidia/parakeet-tdt-0.6b-v3/tree/541d1f99c6b0c3cd0b11a95167540bb8edefd82b) — получено 2026-10-06
9. [ReazonSpeech NeMo v2 — исходная модель и лицензия](https://huggingface.co/reazon-research/reazonspeech-nemo-v2/tree/33693408be76b7cba9fd4a7546a0a8772430211b) — получено 2026-10-06
10. [ReazonSpeech NeMo v2 GGUF — новая ревизия и CLI](https://huggingface.co/sakasegawa/reazonspeech-nemo-v2-GGUF/tree/cb9e436cf3f9d9563c610cb5318adcfc5c0fe098) — получено 2026-10-06