speech.cpp 0.8.3 ускоряет распознавание речи на Mac и Windows

Что изменилось 9 октября

Если вы превращаете аудиозапись в текст на своём компьютере, обновление speech.cpp 0.8.3 может сократить ожидание. Авторы ускорили обработку моделей ReazonSpeech и Parakeet на Mac с графическим движком Metal и Windows с Vulkan — технологией работы с видеокартой. Это обновление программы, не новая речевая модель: существующие файлы моделей в формате GGUF (файлы с числовыми настройками модели) остаются совместимыми. Версия 0.8.3 вышла 9 октября 2026 года. s1 s2

Обычному пользователю, который уже установил speech.cpp 0.8.2 для локальной расшифровки, достаточно обновить программу своим прежним установщиком. Повторно скачивать модель из-за этого релиза не требуется. Возможности страницы для записи и распознавания речи описаны в новости о 0.8.2; здесь главное изменение — скорость движка. s1 s4

Насколько быстрее и на каких записях

В парном сравнении авторов с версией 0.8.2 для ReazonSpeech в ускоренном режиме greedy (без перебора нескольких вариантов текста) медиана времени составила 72,13 → 54,39 мс на Apple M5 с Metal и 76,14 → 47,31 мс на Windows 11 с RTX 2080 и Vulkan. Для многоязычной Parakeet v3 медиана изменилась с 101,61 до 93,41 мс на M5 и со 128,22 до 82,49 мс на RTX 2080. Это замеры разработчиков, а не тест Modelium. s2 s3

В японском наборе использовали 99 фрагментов Common Voice после отбора участков речи, каждый повторили трижды; в английском — 299 фрагментов FLEURS после такого же отбора, по одному проходу. Измеряли уже прогретые запросы с готовой моделью: первая загрузка и подготовка исключены. Это не обещание той же задержки на длинной встрече, другом железе или русской записи. Авторы сверили тексты парных запросов, но отдельно отмечают: при проверке всего японского корпуса пять из 4479 результатов всё же изменились, поэтому одинаковый текст на всех записях обещать нельзя. s2 s3

Что делать владельцу speech.cpp

Если вы уже пользуетесь программой, запустите её официальный установщик повторно: по документации он обновляет исполняемый файл. На странице релиза доступны готовые архивы для Mac с Apple Silicon, Windows x64 и Linux x64; версия 0.8.3 сохраняет совместимость прежних GGUF-моделей. После обновления попробуйте короткую знакомую запись с прежней моделью и сравните текст с оригиналом: отдельно проверьте имена, цифры и пропущенные фразы. Редакция не выполняла реальный запуск модели и не измеряла скорость на своём железе. s1 s4

Не все задачи программы ускорились: в примечаниях к выпуску речь именно о распознавании FastConformer, а не об озвучке текста или всех моделях speech.cpp. Лицензия кода самой программы — MIT; условия использования выбранных весов надо проверять отдельно. Если вам нужна не оптимизация скорости, а первый запуск локальной расшифровки без написания кода, откройте пошаговое знакомство с браузерной страницей версии 0.8.2 и затем используйте актуальный релиз. s1 s5