speech.cpp 0.7.0: локальное ASR для Qwen3, Parakeet и ReazonSpeech
На странице · 3 разделов
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 s2 s3 s4 s5 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 s2 s3 s4 s5 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 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 s3 s4 s5 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 s2 s5 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 s3 s4 s5 s10 s6 s7 s8 s9 s10
Источники
- speech.cpp v0.7.0 — стабильный GitHub release от 6 октября. Получено 06.10.2026.
- speech.cpp v0.7.0: README и MIT LICENSE. Получено 06.10.2026.
- Qwen3-ASR 0.6B GGUF — авторская конверсия, ревизия f397b129. Получено 06.10.2026.
- Qwen3-ASR 1.7B GGUF — авторская конверсия, ревизия 75edaf1d. Получено 06.10.2026.
- Parakeet TDT 0.6B v3 GGUF — закреплённая карточка. Получено 06.10.2026.
- Qwen3-ASR 0.6B — исходная модель и лицензия. Получено 06.10.2026.
- Qwen3-ASR 1.7B — исходная модель и лицензия. Получено 06.10.2026.
- NVIDIA Parakeet TDT 0.6B v3 — исходная модель и лицензия. Получено 06.10.2026.
- ReazonSpeech NeMo v2 — исходная модель и лицензия. Получено 06.10.2026.
- ReazonSpeech NeMo v2 GGUF — новая ревизия и CLI. Получено 06.10.2026.