Whistle от Cactus Compute: локальное распознавание речи на семи языках

Что вышло

30 сентября 2026 года Cactus Compute загрузила на Hugging Face Whistle — отдельную модель распознавания речи для локальных устройств. В закреплённой ревизии b358ddadd89b7a713b5aa131f23032d3cca1b251 лежат готовый whistle.cact (16 919 407 байт), обучающий чекпойнт checkpoints/whistle.safetensors, карточка и Apache-2.0 LICENSE. Репозиторий был создан 30 сентября, а карточку и веса обновляли 2 октября; дата изменения карточки — не новая дата выпуска. s1 s2 s3

Whistle принимает монофоническое аудио 16 кГц продолжительностью до 30 секунд за один проход. В документации указаны семь языков: английский, немецкий, французский, испанский, итальянский, нидерландский и польский. Русский язык не заявлен. Помимо транскрипции доступны временные метки слов, смещение распознавания к заданным ключевым словам и аудиоэмбеддинги. Это ASR-модель, а не генератор голоса или универсальная языковая модель. s1 s4

Где практически полезна

Сценарий — распознавать короткие голосовые команды на устройстве, при необходимости передавая текст локальному агенту Needle 3 для вызова инструмента. Whistle и Needle используют один формат .cact и общий движок; это не означает, что оба веса включены в один файл. Если нужны только транскрипты, модель может работать отдельно. Проверяйте качество на собственных акцентах, шуме и терминах: авторская поддержка семи языков не гарантирует нужной точности в вашей среде. s1 s4

Доступен пакет cactus-needle версии 3.1.0 в PyPI; опубликован 2 октября. Его Python-обёртка экспортирует needle.transcribe, а исходный код принимает путь к WAV либо массив 16-кГц моносэмплов и позволяет указать language, keywords, word_timestamps. В карточке приведён минимальный вызов needle.transcribe("clip.wav"). Для локальной установки: pip install cactus-needle==3.1.0; библиотека и веса при первом использовании могут загружаться и кэшироваться. Для автономного устройства предварительно подготовьте нужные файлы и бинарный движок, а не рассчитывайте на сетевую загрузку при запуске. Modelium не запускал модель и не подтверждает работу на конкретном устройстве. s1 s4 s5

Замеры и ограничения

Карточка сравнивает Whistle с Whisper и Moonshine. Это измерения и сопоставления авторов Cactus Compute, а не испытания Modelium: для скорости указан Apple M4 Pro и 10-секундный аудиофрагмент, для WER — заявленные авторами 86 174 высказывания, причём цифры конкурентов взяты из их публикаций. Различаются разрядность, движки и наборы тестов; поэтому результаты не следует читать как единый независимый тест при одинаковых условиях. Размер .cact — размер файла на диске, не минимальное требование к RAM. s1

Веса и код Needle доступны под Apache-2.0; наличие открытых весов и исходников не означает отсутствия условий лицензии. Для конфиденциальной обработки важно учитывать, что Python-пакет по умолчанию отправляет анонимную статистику использования (по описанию исходников — не аудио и не транскрипты). Перед запуском установите NEEDLE_TELEMETRY=0 или DO_NOT_TRACK=1; затем проверьте сетевое поведение собственного развёртывания. Для распознавания иных языков, длинных записей и независимой проверки качества выбирайте другие решения или тестируйте отдельно: эти возможности Whistle не подтверждены карточкой. s3 s4 s6