Голосовой ввод в любое окно Windows за секунду: офлайн, на CPU, без единого гигабайта Torch
В статье описывается WhisperType — инструмент с открытым исходным кодом для офлайн-голосового ввода в Windows, основанный на faster-whisper и работающий на CPU. Объясняются ключевые оптимизации: переменное окно кодера, отключение временных меток, потоковое распознавание и автоматический выбор количества потоков. В результате время отклика для коротких фраз сокращается с ~4 секунд до ~1 секунды.
Автор разработал WhisperType — бесплатный инструмент диктовки с открытым исходным кодом (лицензия MIT) для Windows 10/11 x64. Он позволяет вводить голосом в любое окно по горячей клавише, работает офлайн без прав администратора и использует локальную модель deepdml/faster-whisper-large-v3-turbo-ct2 (CTranslate2, int8_float32). Основная проблема заключается в том, что энкодер Whisper всегда
Показать ещё ↓
Источник: Habr — хаб ML —
оригинал