Audion Voice AI Live

English · Руководство

Содержание

• Зачем это сделано
• Что нужно доустановить
• Издания
• Принцип
• Что умеет
• Дальше
• Техническая часть
• FFmpeg и драйвер NVIDIA
• Портативность

Расшифровка записей, живая диктовка, чистка текста и выгрузка рабочих заметок. Лёгкое издание — для ноутбука и повседневной работы.

Зачем это сделано

Расшифровка нужна в двух совершенно разных обстоятельствах.

Быстро и сейчас. Продиктовать абзац, расшифровать десятиминутную запись, получить текст сразу. Здесь важна скорость отклика, и облачная служба подходит лучше всего.

Много и без сети. Часовое совещание, диктофонная запись целого дня, папка файлов. Здесь важнее автономность: запись не должна уезжать наружу, а стоимость не должна расти с каждым часом.

Программа умеет оба, и переключение между ними — вопрос выбора движка, а не другой программы.

Что нужно доустановить

Веса моделей в раздачу не входят — вместе они занимают около 3,3 ГБ. У весов свои лицензии, отдельные от лицензии программы, поэтому их скачивает сам пользователь, под своей учётной записью там, где это требуется.

Пока модели не установлены, расшифровка не запустится: окно откроется, а распознавать будет нечем.

При первом запуске программа сама предложит докачать недостающее. Окно «Докачать модели и движки» перечисляет модули с объёмом загрузки — для Live это GigaAM и whisper.cpp с моделью Turbo, около 3,3 ГБ. Кнопка «Скачать и установить» ставит их по очереди; ход виден на странице «Обслуживание», и когда всё скачано, все режимы там горят зелёным. «Позже» откладывает вопрос до следующего запуска, «Больше не предлагать» скрывает окно навсегда — модули по-прежнему ставятся вручную на той же странице.

Издания

издание	для чего	движки
Live	ноутбук, повседневная работа	облачные службы, GigaAM, whisper.cpp
Studio	рабочая станция с видеокартой NVIDIA	то же плюс CUDA, разделение по говорящим

Live — основная версия. Studio добавляет тяжёлые локальные движки и разделение записи по говорящим для машин, где есть чем это считать.

Принцип

Сначала надёжное, потом красивое. Пакетная расшифровка работает предсказуемо, и на ней стоит всё остальное. Наложение поверх окон и мгновенный разбор на лету пробовались — и ломали работу самого окна. Тяжёлое не вешается на поток, который рисует интерфейс.

Что умеет

Расшифровка файлов и папок, живая диктовка, чистка расшифрованного текста, выгрузка в рабочие заметки, значок в области уведомлений для быстрого доступа, сброс приложения к исходному состоянию.

Дальше

• Руководство — работа по шагам, движки, форматы.

---

Техническая часть

FFmpeg и драйвер NVIDIA

Каждая сборка FFmpeg собрана под конкретную версию заголовков аппаратного кодирования, и каждая требует своего минимума драйвера. Самая свежая сборка на старом драйвере не ускоряет, а ломает аппаратный путь — поэтому сборка подбирается по драйверу, а не по номеру версии.

Портативность

Состояние приложения лежит в папке проекта, а не в системе. Отдельная команда возвращает приложение к исходному состоянию, не трогая скачанные модели.

копировать$name = "Audion_Voice_AI_Live_v2.2.3_Full.zip"
Invoke-WebRequest "https://audion.dev/get/voice-ai-live/2.2.3/Audion_Voice_AI_Live_v2.2.3_Full.zip" -OutFile $name
Invoke-WebRequest "https://audion.dev/get/voice-ai-live/2.2.3/Audion_Voice_AI_Live_v2.2.3_Full.zip.sha256" -OutFile "$name.sha256"

$want = (Get-Content "$name.sha256").Split(" ")[0]
$have = (Get-FileHash $name -Algorithm SHA256).Hash.ToLower()
if ($want -ne $have) { throw "сумма не сошлась: загрузка повреждена" }

Expand-Archive $name -DestinationPath ".\voice-ai-live"