GitHub-радар

Как бесплатно превращать аудио в текст на своём ноутбуке

Parakeet Redux — сжатая модель распознавания речи, которая переводит аудио в текст прямо на твоём компьютере, без GPU и без облачных сервисов. Получишь текст с таймкодами по предложениям и словам.

01moondream/parakeet-redux 1666.1k загрузок/мес0.6B параметровautomatic-speech-recognition

Это модель, которая слушает аудиофайл и выдаёт текстовую расшифровку — как Shazam, но вместо названия песни ты получаешь полный текст сказанного.

Когда пригодится

Пригодится для подкастов, интервью, лекций — когда нужна локальная расшифровка без передачи аудио в чужое облако. Для очень шумных записей (улица, стройка) точность заметно падает — для них лучше поискать другой вариант.

Плюсы

  • Работает без видеокарты, на обычном процессоре ноутбука
  • Весит всего 178 МБ вместо 1.2 ГБ у оригинала
  • Переводит аудио в текст в 113 раз быстрее реального времени
  • Точность близка к оригиналу, в 25 языках даже выше

Минусы

  • На шумных записях ошибок заметно больше, чем у оригинальной модели
  • Нужен питоновский пакет и базовое умение работать через командную строку

Как поставить — по шагам

  1. 1Открой своего ИИ-агента (Claude Code, Codex) в папке проекта.
  2. 2Отправь агенту текст из блока ниже.
  3. 3Дай агенту тестовый аудиофайл или попроси его найти любой короткий пример.
  4. 4Проверь результат: текст расшифровки и таймкоды по предложениям и словам.
  5. 5Если аудио шумное, перепроверь результат вручную — модель ошибается на шуме чаще.

Текст для агента

Текст для шага с агентом — скопируй и отправь (Claude Code, Codex, любой):

Поставь мне локально модель распознавания речи Parakeet Redux от Moondream: https://huggingface.co/moondream/parakeet-redux — через библиотеку moondream, запусти транскрибацию тестового аудиофайла и покажи результат с таймкодами.

Обычный ноутбук, видеокарта не нужна — модель весит около 180 МБ и быстро работает на одном процессоре.

Открыть на Hugging Face