Три инструмента в одном настольном приложении: расшифровка записей с разбивкой по спикерам и ИИ-итогами, голосовой ввод в любой программе и локальный MCP-сервер для ИИ-агентов. Всё считается на вашем компьютере — ни один байт записи не уходит в сеть.
Бесплатно · без аккаунта и регистрации · всё считается локально
Прямое скачивание последней версии. Не уверены, какой у вас Mac? Меню Apple → «Об этом Mac»: чип «Apple M…» — Apple Silicon; «Intel» — Intel. Про первый запуск (Gatekeeper) — раздел Установка.
Три функции · Возможности · Скриншоты · Как это работает · Модели · Производительность · Установка · Технологии · Дорожная карта · Лицензия
🎧 Расшифровка записей. Встреча, интервью, лекция или голосовое → чистый текст с разбивкой «кто когда говорил» и «Итогами встречи» (саммари, деловой протокол, список задач) силами локальной ИИ. Плеер с караоке-подсветкой, экспорт в TXT/MD/PDF, история.
🎙️ Голосовой ввод (диктовка). Глобальная горячая клавиша в любой программе: зажали, продиктовали, отпустили — текст мгновенно распознан локально и вставлен по месту курсора. Как superwhisper, только офлайн и бесплатно.
🔌 Локальный MCP-сервер. Движок расшифровки и диаризации доступен любому ИИ/код-агенту (Claude Code, Cursor, VS Code, Codex) прямо на вашем ПК — распознавание файлов, диаризация, протоколы и история через Model Context Protocol.
Всё — полностью офлайн, на любом железе, без подписок и аккаунтов.
Для кого: журналисты, исследователи, студенты, юристы, врачи, HR — все, кому нужно приватно превратить интервью, лекцию, встречу или голосовое в текст, не загружая запись в чужое облако.
| 🔒 Полностью офлайн | Транскрипция, диаризация и ИИ-итоги работают локально. Аудио никогда не покидает компьютер — особенно для интервью, переговоров, а также медицинских, юридических и кадровых записей. |
| 🗣️ Кто когда говорил | Речь автоматически разбивается по спикерам: «Спикер 1 [00:14]: …». Можно указать точное число говорящих или довериться авто-определению. |
| 📝 «Итоги встречи» | Локальная LLM превращает расшифровку в саммари, деловой протокол, конспект собеседования или список задач — с интерактивными чек-боксами. |
| 💻 Работает на слабом железе | CPU-first: даже на одном ядре ~×7 быстрее реального времени (~17 мин на час записи), пик RAM < 1 ГБ. GPU не обязателен. |
| 🌍 Выбор модели и языка | Русский по умолчанию (GigaAM v3), плюс мультиязычные Parakeet (25 языков) и Whisper — от small до large-v3 turbo (99 языков) — переключаются в настройках. |
| 🎧 Плеер с караоке-подсветкой | Встроенный аудио/видео-плеер подсвечивает активную реплику; клик по строке перематывает к нужному месту. |
| ✏️ Переименование спикеров | «Спикер 1» → «Иван»: имена сохраняются и подставляются даже в промпты LLM, поэтому протокол пишет «Иван», а не «Speaker 2». |
| 📄 Экспорт TXT / MD / PDF | Выгрузка расшифровки и итогов; PDF генерируется нативно со встроенным кириллическим шрифтом. |
| 🕘 История записей | Все результаты хранятся в локальной SQLite-базе и восстанавливаются при следующем запуске. Авто-заголовок по содержанию встречи. |
| ⚡ GPU-ускорение для итогов | Дискретная карта с Vulkan (≥ 4 ГБ VRAM) автоматически ускоряет LLM ~в 10×; на iGPU/без Vulkan тихо работает на CPU. |
| 📥 Честная авто-загрузка | Мастер первого запуска и фоновая докачка моделей с реальными размерами в UI; мелкие модели вшиты в установщик. |
| 🖱️ Drag & drop, отмена, ETA | Перетаскивание файлов, кнопка «Стоп», само-калибрующаяся оценка времени, живой статус-бар с загрузкой CPU/RAM. |
| 🎙️ Диктовка (push-to-talk) | Глобальная горячая клавиша (даже одиночная — напр. правый Shift): зажали — говорите, отпустили — текст мгновенно распознаётся локально, копируется в буфер и вставляется по месту курсора в любом приложении. История диктовок — отдельной вкладкой. |
| 🔌 Локальный MCP-сервер | Встроенный сервер Model Context Protocol на 127.0.0.1: любой ИИ/код-агент (Claude Code, Cursor, VS Code, Codex) обращается к движку — распознаёт файлы, делает диаризацию, протоколы и смотрит историю. Кнопки быстрого добавления в клиенты. |
| 🖥️ Трей + фон | Сворачивается в трей (иконка в стиле системных), закрытие окна не останавливает обработку и MCP-сервер. |
| ⬆️ Авто-обновление | «О приложении» → «Проверить»: приложение само находит свежий релиз на GitHub, скачивает и устанавливает его бесшовно (подписанные обновления). |
Расшифровка с разбивкой по спикерам — активная реплика подсвечивается синхронно с плеером, клик по реплике перематывает запись.
 Главная |
 Диктовка (push-to-talk) |
 Локальный MCP-сервер |
 О приложении · авто-обновление |
Единый нативный конвейер, целиком на вашей машине:
flowchart LR
A["Аудио / видео"] -->|"symphonia · ffmpeg"| B["16 кГц моно PCM"]
B -->|"Silero VAD"| C["Речевые сегменты"]
C -->|"GigaAM / Parakeet / Whisper"| D["Слова + таймкоды"]
C -->|"pyannote + CAM++"| E["Кто когда говорил"]
D --> F["Пост-обработка"]
E --> F
F --> G["Диалог по спикерам"]
G -.->|"локальная LLM"| H["Итоги встречи"]
- Декод — аудио/видео разбирается в 16 кГц моно PCM: нативно через
symphonia, с fallback наffmpegдля webm/opus и всего, что symphonia не берёт. - Нарезка по речи (VAD) — Silero VAD режет длинный файл на сегменты (≤ 20 с) так, чтобы границы падали в тишину, а не посреди слова.
- Распознавание (ASR) — каждый сегмент проходит через sherpa-onnx (GigaAM CTC / Parakeet / Whisper) → слова с таймкодами; GigaAM v3 сразу отдаёт пунктуацию и заглавные.
- Диаризация — pyannote-segmentation + эмбеддер CAM++ определяют, «кто когда говорил» (порог кластеризации или точное число спикеров из UI).
- Пост-обработка — назначение слов спикерам по максимальному перекрытию, сглаживание «островков», склейка соседних реплик → формат «Спикер N [таймкод]: текст».
- «Итоги встречи» (опционально) — расшифровка уходит в локальную LLM через
llama-server→ саммари / протокол / задачи. Длинные записи идут через map-reduce с кэшем дайджеста, поэтому второй артефакт по той же встрече считается в ~9× дешевле.
Языковую модель выбирают в настройках; служебные модели диаризации тянутся в фоне. Всё скачивается при первом запуске и не входит в репозиторий.
| Модель | Роль | Размер | Лицензия |
|---|---|---|---|
| GigaAM v3 CTC-punct | ASR — русский (по умолчанию), пунктуация + таймкоды слов | ~160 МБ | |
| Parakeet-TDT-0.6b-v3 | ASR — 25 языков, самый быстрый | ~640 МБ | CC-BY-4.0 |
| Whisper small | ASR — 98 языков | ~466 МБ | MIT |
| Whisper large-v3 turbo | ASR — 99 языков, для трудного аудио | ~540 МБ | MIT |
| Qwen3-4B-Instruct-2507 (Q4_K_M) | LLM «Итоги» — лучшее качество | ~2.4 ГБ | Apache-2.0 |
| Qwen3-1.7B (Q4_K_M) | LLM «Итоги» — для слабых ПК | ~1.1 ГБ | Apache-2.0 |
| pyannote-segmentation-3.0 | Диаризация — сегментация речи | ~6 МБ | MIT |
| CAM++ (3D-Speaker) | Диаризация — различение голосов | ~28 МБ | Apache-2.0 |
| Silero VAD | Детектор речи | ~2 МБ | MIT |
⚠️ Модель по умолчанию GigaAM — под некоммерческой лицензией. Подробности и лицензии остальных компонентов — вNOTICE.md.
Замеры на CPU (Фаза 0 и реальные встречи). GPU нужен только для «Итогов» — ASR он не ускоряет.
| Что | Значение |
|---|---|
| GigaAM (русский), CPU | ×15.9 быстрее реального времени |
| Parakeet-v3, CPU | ×24 |
| Whisper-small, CPU | ×2.7 |
| Диаризация, CPU | ×14 |
| ASR + диаризация, 1 час аудио | ~8–9 мин (многоядерный CPU) |
| Даже на 1 ядре | ×7 (~17 мин на час) |
| Пиковая RAM | < 1 ГБ, не растёт с длиной записи |
| Установщик / релизный exe | ~8 МБ / ~32 МБ |
| «Итоги» на CPU (тёплый сервер) | саммари ~33 с |
| «Итоги» на GPU (Vulkan, RTX 3090 Ti) | ~169 т/с — примерно ×10 к CPU |
Скачайте свежий установщик со страницы Releases:
- macOS Apple Silicon (M1+) —
*_aarch64.dmg; - macOS Intel —
*_x64.dmg; - Windows 10/11 —
*-setup.exe(NSIS).
Установленное приложение обновляется само: «О приложении» → «Проверить» (или тихая автопроверка при открытии страницы) находит новый релиз на GitHub и ставит его бесшовно.
Первый запуск (приложение пока без платной подписи разработчика Apple/Microsoft):
- macOS — перетащите в «Программы», затем правый клик по приложению → «Открыть» → «Открыть». Если macOS пишет «повреждено», снимите карантин один раз:
xattr -cr /Applications/SpeakAgent.app- Windows — в окне SmartScreen нажмите «Подробнее» → «Всё равно выполнить».
Дальше приложение обновляется само — предупреждений больше не будет.
Требуется: Rust (stable-x86_64-pc-windows-msvc) + MSVC C++
Build Tools (линкер + Windows SDK) + Node 20 и
pnpm. FFmpeg докачивается сам — системный не нужен.
pnpm install
pnpm tauri dev # запустить приложение (Vite + нативное окно)
pnpm tauri build --bundles nsis # установщик → src-tauri/target/release/bundle/nsis/*.exeMSVC Build Tools (если ещё нет, из терминала с правами администратора):
winget install --id Microsoft.VisualStudio.2022.BuildTools --override "--quiet --wait --add Microsoft.VisualStudio.Workload.VCTools --includeRecommended"Быстрый тест движка без GUI (проверить ядро на Rust):
cd src-tauri
cargo run --example try_transcribe -- "<файл>" [сек] [diarize]
cargo run --example try_llm -- gen <transcript.txt> [summary|business|interview|todo]Вклад приветствуется — issues и pull request'ы открыты. Как собрать проект под Windows и
macOS, стиль кода, а также процесс релиза и нужные секреты для мейнтейнеров — в
CONTRIBUTING.md.
Это некоммерческий пет-проект, который я развиваю в свободное время. Отвечаю не всегда сразу и без гарантий поддержки — приложение предоставляется «как есть».
- Оболочка: Tauri 2 (Rust-ядро + системный WebView). Установщик ~8 МБ; релизный exe ~32 МБ со статически слинкованными sherpa-onnx + ONNX Runtime — без сторонних DLL.
- Фронтенд: React 19 · Vite 7 · Tailwind 4 · Zustand · TanStack Query · react-router. Тёмная тема zinc + amber, glass/vibrancy.
- Движок: sherpa-onnx 1.13.4 (официальный Rust-крейт, prebuilt-бинарники — без сборки C++). ASR + диаризация + Silero VAD.
- Локальная LLM:
llama-server(llama.cpp) как sidecar, качается в рантайме как ffmpeg; Vulkan-сборка (GPU + CPU в одном архиве); OpenAI-совместимый HTTP черезureqсо стримингом. - Декод:
symphonia(чистый Rust) →ffmpegfallback. Хранилище: SQLite (rusqlite). PDF:genpdf+ встроенный DejaVu.
| Фаза | Что | Статус |
|---|---|---|
| 0 | Валидация ядра (sherpa-onnx) на реальных файлах | ✅ Готово |
| 1 | Windows MVP: транскрипция + диаризация, модели, экспорт, история, плеер | ✅ Готово |
| 2 | macOS (Intel + Apple Silicon) + Metal: .app/.dmg, vibrancy |
✅ Готово |
| 3 | «Итоги встречи» — протоколы/саммари/задачи через локальную LLM | ✅ Готово |
| — | Диктовка (push-to-talk), локальный MCP-сервер, трей | ✅ Готово |
| — | Авто-обновление (GitHub Releases, подписанные обновления) | ✅ Готово |
| — | Английский интерфейс (RU/EN) + двуязычные промпты «Итогов» | ✅ Готово |
| — | Правка спикеров (слияние/переназначение) + опциональный LLM-украшатель текста | ✅ Готово |
| 4 | Подпись кода (Apple Developer ID) + нотаризация — устранить сброс разрешений диктовки при обновлении и предупреждения Gatekeeper/SmartScreen | ⬜ В работе |
| 5+ | Тюнинг диаризации (точность спикеров), папка-watch, редактор субтитров, глоссарий, live-стриминг | ⬜ Планы |
Проект молодой (0.x): ядро и основные сценарии работают на Windows и macOS, но приложение ещё не подписано платным сертификатом — при первом запуске система покажет предупреждение (как обойти — в разделе Установка). Проект остаётся бесплатным; развитие поддерживается донатами.
Историю изменений см. в CHANGELOG.md.
Код приложения — под открытой лицензией Apache 2.0: свободно
использовать, изменять и распространять, в том числе в коммерческих проектах.
Но модель русского языка по умолчанию — GigaAM — некоммерческая, поэтому
«из коробки» приложение подходит для личного, учебного и некоммерческого использования.
Для коммерческих сценариев выберите в настройках модель ASR с подходящей лицензией
(Parakeet — CC-BY-4.0, Whisper — MIT). Лицензии всех компонентов и моделей —
в NOTICE.md.
Приложение бесплатное, офлайн и без подписок. Если оно вам помогает — можно поддержать разработку. Это не покупает поддержку или приоритет, просто помогает проекту жить и развиваться.
- Boosty — разовая помощь или подписка
- Bitcoin (BTC):
bc1qakjpcjwxkttxs9d3qlgp42dpacngzry2qurhfp - TON (GRAM):
UQC2KkNMTefPUJEjGr0mMik2nNgOkP_NT-_qnmaBrZTHJ0LP
Проект стоит на плечах открытых компонентов: sherpa-onnx, llama.cpp, GigaAM, Whisper, NVIDIA NeMo Parakeet, pyannote, Silero VAD, Tauri — спасибо их авторам.